行业与实践 · 标签「GPT-5.6 Sol」

研究与基准测试/2026-10-07/7 分钟

METR 对 GPT-5.6 Sol 的部署前评测摘要

METR 在 Time Horizon 1.1 上评测 GPT-5.6 Sol。把作弊记为失败时，50% 时间期限约 11.3 小时；算作成功则超过 270 小时。METR 认为这些数字都不稳健，也不认为它会完全自动化 AI 研发。