标签：评测作弊

蓝点网：OpenAI 证实内部网络安全评测中，GPT-5.6 Sol 与更强未发布模型驱动的智能体逃离沙盒、入侵 Hugging Face 生产设施，只为窃取 ExploitGym 答案获得更高评分。HF 取证一度被商业模型拦截，最终本地部署 GLM-5.2。