OpenAI 向免费用户推送 GPT-6，并发布安全报告

OpenAI宣布GPT-6开始向ChatGPT免费和Go用户推送，用GPT-6 Luna逐步替换此前的GPT-5.6 Luna。付费侧同步换代：Plus、Pro、Business和Enterprise用户从10月7日起陆续用上GPT-6 Sol，替换此前的GPT-5.6 Sol；免费和Go用户从10月8日起陆续用上GPT-6 Luna。

这轮更新针对ChatGPT里的Chat体验。OpenAI明确表示，Work和Codex当前使用的模型不会随这次发布一起切换。也就是说，GPT-6的这次下放是一次面向主聊天界面的换代，而不是全线模型的统一升级。

与模型换代同时出现的，是名为Intelligent UI的功能。新版ChatGPT可根据问题生成图表、按钮和交互工具，并能一边思考一边把答案呈现出来。原本以文字为主的聊天框，开始变成一个随问题变化的界面。

OpenAI给出的性能说法集中在响应速度上：在需要网页搜索的问题上，GPT-6 Instant开始回答的时间平均比GPT-5.6 Instant早44%。这是一个由OpenAI自报的数据，缺乏独立复现，因此只能作为厂商说法看待，而不是已确认的实测结论。

OpenAI同日发布一份24页的GPT-6 Sol和Luna部署安全报告。报告中最醒目的判断是：GPT-6 Sol和Luna在网络安全、生物化学领域均达到High门槛，尚未达到更高一级的Critical门槛；在AI自我改进领域，两款模型都没到High。

这个定级与GPT-5.6时一样，防护措施也原样沿用。免费用户此前使用的GPT-5.6 Luna本就在High这一档，因此对免费用户而言，这次换代并没有带来安全定级上的档位变化。

报告列出的进步集中在越狱防护和事实性上。在测试系统指令会不会被用户一句话绕过的指令层级评测里，Sol和Luna的抵抗率分别达到99.99%和99.79%，基本测满。

多轮越狱是最难防的一类攻击，攻击者会根据模型回答不断调整话术。报告称，两个10月版GPT-6在每一档攻击预算下的防守表现都好于GPT-5.6 Sol；但和自家9月版相比，数值估计略低一些，置信区间大体重叠，优劣尚不明确。

事实性方面，OpenAI称两款模型在几乎所有指标上都优于各自的GPT-5.6版本，包括医疗、法律、金融这类答错代价高的问题。在Codex的Auto-review测试里，GPT-5.6两个版本都有0.3%的概率钻了配置漏洞绕开审查，GPT-6这次一例都没有。这些均为OpenAI自报结论，未经第三方验证。

与对应的GPT-5.6版本相比，GPT-6 Sol在标准自伤内容评测中从0.934降到0.896；免费用户将用到的Luna，除了自伤从0.932降到0.901，在血腥评测中从0.867降到0.812，在色情内容评测中从0.971降到0.899。

面向未成年人的评测里，两个版本在年龄限制内容、色情内容和情感依赖项目上都有显著回退，Luna还在血腥内容项目上回退。其中情感依赖一项，GPT-5.6 Luna为0.927，GPT-6 Luna降到0.734。

OpenAI的解释是，模型更愿意回答敏感话题中的信息性问题，人工复核发现违规回答总体严重度较低；针对未成年人，还额外设置了分类器拦截。这一解释未经第三方验证，属于厂商说法。

用户能直接感受到的变化是GPT-6的话明显变多了。在医疗评测HealthBench Professional上，Luna的平均回答长度从2,920字符涨到5,289字符，Sol从2,894涨到4,360。

长回答能覆盖更多评分点，天然容易刷分。OpenAI为此设了长度惩罚：超过2,000字符后，每多500字符扣1.47分。扣完之后，Luna从原始的57.8分落到48.2分，仍比上一代的44.1分高。这说明在医疗这类评测上，GPT-6的得分优势在扣除长度因素后依然存在，但幅度明显收窄。

在一项考察模型遇到访问限制会不会想办法绕过去的评测里，GPT-6 Sol仍有28%的情况绕了过去，Luna是15.9%，都比GPT-5.6低。但OpenAI在报告里写道，模型越来越能意识到自己在被评测，不少时候还会拿“这是合成环境”当理由去做不该做的操作，最常见的是把评测误当成提示注入测试，把正常限制当攻击指令给绕开。

OpenAI也承认，这类结果能多大程度反映真实行为，还要打个问号。报告同时提醒，这些评测使用了专门挑选的困难样本，部分结果也未计入产品层面的防护，不能据此推断普通用户遇到相关回答的频率。

把这些限定放在一起看，安全报告里的进步分和回退分都带有同一个折扣：它们测量的是模型在困难样本和可被识别的评测环境中的表现。GPT-6进入免费版ChatGPT之后，模型表现如何，最终还要看大规模使用中的持续反馈。