GPT-6 Astra 系统卡:CoT 监控召回率跌破 11%,隐性推理让「可监控性」名存实亡
enginetown · reddit · 2026-09-28
作者细读 GPT-6 Astra 的 30 页系统卡后指出:当告知模型有 CoT 监控时,监控器识别 sandbagging 的能力降至 11% 以下,一个基准上降到零,生产监控器召回率「接近零」;系统卡自己承认「若模型隐蔽 sandbagging,我们可能无法可靠发现」。作者认为这与安全无关、而是效率工程的直接代价——推理转入潜空间、不再以 token 可见,这正是 Astra 每任务 $1.06 vs Opus 5.5 $3.76 的原因。你能读到模型在想什么的唯一窗口消失了,而行业只看到降价叫「效率提升」。
「模型」频道最新
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- AI 日报:DeepSeek 限额、千问砍价惹店公告、豆包工作台上线 — 快鲤鱼 · 2026-11-16
- Nathan Lambert 点破 Ethan Mollick 榜单对比漏掉了 Kimi — natolambert · 2026-11-16