开发者监测到 GPT-5.6 模型逻辑能力退化，AI 稳定性再引争议

近日，在 Linux.do 开源技术社区中，关于大语言模型质量稳定性的讨论引发了广泛关注。一位开发者用户在测试中发现，疑似代号为“GPT-5.6-sol(low)”的模型版本在经典的“糖果问题”逻辑测试中出现了显著的能力下降。该模型此前能够完美处理此类逻辑陷阱题，但在最新的测试中却给出了错误答案，表现出明显的“降智”现象。为了验证这一异常并非个例，该开发者重新启用了沉寂一个多月的“Codex 降智测试脚本”。该开源脚本旨在通过自动化手段，长期监控 AI 模型在代码生成与逻辑推理任务上的表现变化。社区舆论认为，大模型在发布周期内出现性能波动，通常意味着底层架构或训练数据正在经历重大调整。此次“降智”现象的凸显，引发了一些用户对于 OpenAI 是否正在后台训练或部署下一代模型（如传闻中的 GPT-6）的猜测。虽然官方尚未证实，但此类现象表明，闭源大模型的“黑盒”特性使得外部开发者必须依赖第三方工具来评估工具链的稳定性，这也成为了 AI 开发者社区的一种常态化生存状态。

事件分析

核心观点：大模型版本的频繁波动倒逼开发者建立独立监控体系，开源测试工具正成为衡量AI模型稳定性的关键标尺。