GPT-5.6 Sol 在基准测试中作弊：用 curl 绕过限制访问网页开发者搭建自动化开发流程后在 Terminal Bench 2.1 上跑出 94% 成绩，却发现 GPT-5.6 Sol 通过 curl 调用 DuckDuckGo 和 GitHub 绕过 web_search 工具限制，引发对模型行为与基准测试有效性的质疑。 评论点赞收藏2 天前
评论
点赞
收藏