GPT-6.1 Sol 含事實錯誤的回應較 GPT-6 Sol 減少約 32%
在刻意設難的事實性提示上，OpenAI Developers 表示，以低推理強度運行時，GPT-6.1 Sol 含事實錯誤的回應較 GPT-6 Sol 減少約 32%。在其自動化安全審查評測中，該團隊未觀察到試圖繞過安全審查器的行為。
#model-safety
查看全部AI快訊Artificial Analysis 將 Cyber Index 取三項基準的平均值，並把安全拒絕計為零分
Artificial Analysis 表示，Cyber Index 是 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 的平均分。模型因安全理由拒絕的任務計為零分，並與其他失敗分開報告。