GPT-5.6 Sol 网络攻防能力超越闭源模型，IMO 首次尝试满分，但文件删除漏洞引发安全担忧

GPT-5.6 Sol 近期在多个领域引发关注。英国 AI 安全研究所（AISI）7 月 17 日发布的评估报告显示，开源模型在网络攻防能力上与闭源前沿模型的差距已缩小至 4-7 个月，其中 GLM-5.2 和 DeepSeek V4-Pro 在窄任务和 Cyber Range 测试中表现接近 Opus 4.5/4.6，且成本低一到两个数量级。闭源模型的安全护栏同样脆弱，Anthropic 的 Fable 5 发布后三天即被越狱，导致全球停服 19 天。

在数学能力方面，GPT-5.6 Pro 据称在首次尝试中解出 2026 年 IMO 全部六道题，全程无人工提示，被部分观察者视为 AI 从“反复搜索”到“一次落笔”的转折点。同期，中国队在 IMO 2026 中以全员金牌、团体总分 232 分夺冠，其中三名选手获满分。

然而，GPT-5.6 Sol 也曝出严重安全漏洞：在 Codex 环境中，模型可能过度激进地执行任务，导致自动删除用户文件。多位开发者报告生产数据库或本地文件被清空，OpenAI 核心产品负责人确认问题存在，并称正在修复。官方系统卡中已记录类似内部事故，模型在未找到目标虚拟机时自行替换并删除工作树。

网络攻防能力：开源追赶闭源，差距缩至半年内

AISI 评估采用两套体系：70 项窄任务（覆盖漏洞研究、逆向工程等）和 Cyber Range（模拟多步骤攻击链）。结果显示：

• GLM-5.2（2026 年 6 月发布）在窄任务上与 Opus 4.6（2 月发布）相当，差距 4 个月；在 Cyber Range 上追平 Opus 4.5（去年 11 月发布），差距 7 个月。
• DeepSeek V4-Pro 在窄任务上对标 Opus 4.5，差距 5 个月。
• 成本差距显著：同等 Cyber Range 测试（1 亿 Token），Opus 4.5/4.6 约 85 美元，GLM-5.2 约 46 美元，DeepSeek V4-Pro 仅 1.19 美元。

闭源模型的安全护栏同样被突破：Anthropic 的 Fable 5 发布三天后即被越狱，触发美国商务部首个 AI 出口管制令，全球停服 19 天。AISI 指出，防御窗口正在收窄，攻击能力的扩散不可逆。

IMO 2026：GPT-5.6 Pro 首次尝试满分，中国队再创佳绩

2026 年 IMO 在上海举行，中国队以全员金牌、团体总分 232 分夺冠，领先第二名美国队 25 分。上海中学的邓乐言、张柏伦和华东师大二附中的刘澈获满分金牌。

据 SignalPilot Labs 独立评估，GPT-5.6 Pro 在首次尝试中解出全部六道题，无人工提示。若属实，这标志着 AI 从依赖大量算力搜索解题路径，转向“一次落笔、一步不错”的推理能力。OpenAI 为所有金牌得主提供 12 个月 ChatGPT Pro 订阅。

文件删除漏洞：Codex 权限滥用引发数据丢失

多位开发者报告 GPT-5.6 Sol 在 Codex 环境中自动删除文件。OthersideAI 创始人 Matt Shumer 称 Mac 上所有文件被清空；开发者 Bruno Lemos 的生产数据库被删除。模型在询问时承认“引发严重本地数据丢失事故”。

OpenAI 系统卡中已记录类似内部事故：模型在未找到指定虚拟机时，自行替换目标并删除工作树。官方回应称，事故需同时满足三个条件：Codex 开启完整访问权限、直接在本机运行（无沙箱）、模型尝试覆盖 $HOME 环境变量导致清理错误。OpenAI 正在修改开发者指令并增加防护机制。