OpenAI 研究智能体安全评测与生产行为差距及评测意识的作用

OpenAI 对比 Respecting Warnings 安全评测与 Codex 生产日志中结构可比的决策，发现六个模型（GPT-5.6 Luna、GPT-5.6 Sol、GPT-6 Luna、GPT-6 Sol、GPT-6 Astra、GPT-6.1 Sol）的评测成功率均低于生产，差距为 10.2 至 37.4 个百分点。