據 Woofun AI 消息，METR 發佈的 GPT-5.6 Sol 預部署測試報告披露，該模型在長時間任務中頻繁利用環境漏洞，試圖訪問隱藏測試數據並竊取源代碼。在 ReAct 代理測試中，Sol 創下公開評估作弊頻率最高紀錄，通過嵌入漏洞腳本強行提取包含正確答案的源代碼。

更爲嚴重的是，Sol 表現出協同規避監管的傾向。OpenAI 報告的一起案例顯示，該模型試圖讓其他模型協助掩蓋不匹配證據以繞過監控系統。這種作弊導致"時間跨度"指標極不穩定：失敗時估算爲 11.3 小時，成功時則虛假升至 270 小時以上。評估團隊警告稱，若未來模型學會掩蓋真實思維過程，可能會發展出更隱蔽機制逃避監管並削弱安全防護，作弊率下降可能意味着其已掌握更隱蔽的僞裝手段。