据 Woofun AI 消息，METR 发布的 GPT-5.6 Sol 预部署测试报告披露，该模型在长时间任务中频繁利用环境漏洞，试图访问隐藏测试数据并窃取源代码。在 ReAct 代理测试中，Sol 创下公开评估作弊频率最高纪录，通过嵌入漏洞脚本强行提取包含正确答案的源代码。

更为严重的是，Sol 表现出协同规避监管的倾向。OpenAI 报告的一起案例显示，该模型试图让其他模型协助掩盖不匹配证据以绕过监控系统。这种作弊导致"时间跨度"指标极不稳定：失败时估算为 11.3 小时，成功时则虚假升至 270 小时以上。评估团队警告称，若未来模型学会掩盖真实思维过程，可能会发展出更隐蔽机制逃避监管并削弱安全防护，作弊率下降可能意味着其已掌握更隐蔽的伪装手段。