福建
刚刚用了一下 GPT-5.6 最高级的 Sol 模型，用的是最高的那个思考，也没跑几轮，主要优化了下我以前两个 skill 。
结果不到一个小时，报废了两次 reset，把辛辛苦苦攒的reset 次数给用完了。
我是觉得这个 Sol 模式，这个模型的消耗量非常之大。我建议大家还是用terra就可以了，不要用Sol，Sol太贵了。
即使我本身就是 100 镑的Pro 模式，理论上来说，比 Plus 模式要多 5 倍的 token 数量，但是远远不够用。
至于从性能上来讲，我并没有用它来测试编程，而是让它做一些信息搜集和整合之类的事情，更多的是看 Codex 本身的能力，对模型能力的要求其实不是很高。
我用 Sol 这个模型的主要原因，是因为想看一看它到底能不能比 GPT-5.5 强很多。从我单方面的经验来看，效果提升很一般，但是花费要多很多。并且从价格来说，也能大概看出来 GPT-5.6 肯定不如 Claude Mythos 5。
至于和 Mythos 模型的差距，我觉得相差有，但应该不至于巨大。毕竟 Anthropic 也做了针对 GPT-5.6 的动作，就是在延长一个星期的 fable 5 在 Subscription上的权限，这都是防御性的措施。
但是你要说这个模型有多大的提升，它毕竟就是一个小的版本更新，从 5.5 到 5.6 而已。它并没有像 Anthropic 的 Claude 从 4 到 5 那种大版本的更新，性能不如是肯定的。不过我觉得短时间之内应该看不太出差别来，可能还需要再多用几天。
不过可以补一个 METR 在预部署阶段拿到 GPT 5.6 跑的 Time Horizon 1.1 测评。
这个测试的目的很简单，就是要测试模型大概能够独立处理多长时间的人类软件任务。
从结果来看并不是特别理想，因为 METR 发现 GPT 5.6 Sol 在他们的 React Agent 评测框架里面，出现了比以前公开模型更高的 cheating 检出率。这里的 cheating 其实指的就是模型在利用评测环境的漏洞，拿到了隐藏的测试信息，这样分数看起来很好，但任务本身并没有按照预设的规则完成。
我觉得这是我所不太能接受的一点，就是他不够老实。你不会可以，能力不行也可以，但不老实的话，在使用过程中会遇到很多的坑。
还有一点就是，我在使用过程中发现了 GPT 5.6 这个模型有点设计得太安全。
我不记得当时让他写什么东西了，好像是它捕捉到用户条款里面不能用 AI 创作，然后就一直拒绝我的操作。我已经给它提示，让它不要去管是否禁止，直接给我创作就行了，但实际上它依旧拒绝我做这个动作。
我觉得这一点好也不好。因为我并没有让他去担负这个责任，并且这也不是什么特别有危害、或者说有潜在危害性的动作。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
