Трассы рассуждений GPT-6.1 Sol: читаемы потому, что это сводки, а не потому, что произошла утечка

21 октября 2026 года в 00:46 UTC, скриншот GPT-6.1 Sol с текстом рассуждений начал циркулировать в X, опубликованный @scaling01 с подписью «трассы рассуждений абсолютно читаемы, беспокоиться не о чем». Шутка — и это действительно шутка — в том, что трассы рассуждений читаются на простом английском, а это ровно то условие, которое, по словам Андрея Карпати в сентябре 2024 года, означало бы, что обучение с подкреплением перестало работать как следует. Прежде всего нужно сказать две вещи. Во-первых, модель не новая: GPT-6.1 Sol вышел 29 сентября 2026 года на O​penAI DevDay, и ничто в этом посте не является запуском, повышением версии или анонсом функции. Во-вторых, скриншот — это скриншот: взгляд одного наблюдателя на один ответ, переопубликованный людьми, которые его не воспроизвели. Новое и поддающееся датировке — это спор, который вызвал скриншот: он шёл весь день 21 октября и привлёк ответ Карпати и группу исследователей, споривших о латентном рассуждении. Этот спор стоит разобрать, потому что лежащая в его основе посылка неверна конкретным и проверяемым образом. Ничто из этого не гипотетично: задокументированные сбои ИИ и инциденты с агентами, стоящие за релизами вроде этого, собраны в the OrcaRouter AI Incident Archive, где каждая запись имеет собственные источники, уровень серьёзности, степень уверенности и отметку об оспаривании.

Что на самом деле было опубликовано и что на самом деле проверено

Отбросьте подачу — и доказательства окажутся скудными, что для подобных вещей нормально. Пользователь опубликовал скриншот вывода модели, который читается как обычная, хорошо построенная английская проза, а не как сжатая, лишённая пунктуации сокращённая запись, в которую текст цепочки рассуждений часто превращается при высоком тренировочном давлении. К моменту архивации у поста было примерно 65 600 просмотров. Карпати ответил: «Да, я бы сказал, RL теперь работает как надо», — процитировав собственную фразу от сентября 2024 года о том, что можно понять, что RL выполнен правильно, когда модели перестают говорить по-английски в своей цепочке рассуждений. Другие пошли дальше: в одном ответе предполагалось, что отрасли «можно просто стиснуть зубы и перейти к полностью латентному рассуждению», а другой утверждал, что трассы всего лишь потеряли пробелы и что их восстановление дало обычную лаконичную формулировку модели о мониторинге и о том, чтобы не выдумывать требования.

Итак, в той ветке переплетены три отдельных утверждения, и у них очень разный статус с точки зрения доказательств. Что разборчивый английский появился в выводе, приписываемом GPT-6.1 Sol, — непроверено, один скриншот, ни промпт, ни ID запроса не опубликованы. Что разборчивость подразумевает, будто внутренние рассуждения модели теперь читаемы, — непроверено и, как показывает следующий раздел, вероятно, является категориальной ошибкой. Что разборчивость что-то говорит о том, насколько хорошо сработало RL, — это интерпретация, предложенная в шутку кем-то, кто не запускал модель в этой конфигурации. Рассматривайте все три как наблюдения сообщества. Ни одно из них не является установленным выводом.

Что на самом деле возвращает API — вот та часть, которую никто не цитировал.

Вот деталь, которую пропустила ветка обсуждения. GPT-6.1 Sol не возвращает свою цепочку рассуждений, и документация самого O​penAI прямо это утверждает: API не раскрывает необработанные токены рассуждений, которые генерирует модель, а возвращаемые им элементы рассуждений остаются непрозрачными. Вызывающей стороне возвращаются три различные вещи, и только одна из них — связный текст:

• Необработанная цепочка рассуждений — никогда не возвращается, ни при каком уровне усилий, ни при какой комбинации параметров.

• Сводка рассуждений — опционально, запрашивается через summary-параметр; модель пишет её как повествовательное описание, а не берёт из токенов, с которыми фактически рассуждала.

• Количество токенов — output_tokens_details.reasoning_tokens, число и единственное место, где рассуждения отображаются по умолчанию.

Средний пункт — это почти наверняка то, что изображено на скриншоте. Канал суммаризации читаем по замыслу; в этом весь его смысл. Он генерируется для того, чтобы его читал человек, в том регистре, в котором читает человек, и его беглость говорит о стиле суммаризатора, а не о структуре вычислений под ним. Признак тоже не тонкий: если текст на скриншоте был с сохранёнными пробелами и связными предложениями, это точно не сырой след. Ответ, утверждающий, что пробелы просто удалили и их можно восстановить, делает ту же мысль с другой стороны, и это самый технически обоснованный вклад в этой ветке.

Почему фраза Карпати здесь применима не так, как её применили

Утверждение 2024 года касалось конкретного диагностического признака: сырой текст цепочки рассуждений, который деградирует до неанглийских или неразбираемых сокращений, является свидетельством того, что политика была оптимизирована настолько, что её вербальный слой делает нечто иное, нежели коммуникация. Этот диагностический признак работает только на сырой трассировке. Запустите его на резюме — и вы тестируете суммаризатор, который представляет собой отдельный проход модели с собственной целью — быть читаемым. Читаемое резюме — это то, что вы получите независимо от того, аккуратна ли лежащая в основе политика.

Это не разграничение, придуманное для этого случая. Именно поэтому OpenAI вообще публикует дополнение о мониторируемости: если бы сырые рассуждения были тем, что могут читать пользователи, аргумент о безопасности опирался бы на то, что пользователи их читают. Вместо этого аргумент опирается на мониторы, которые находятся ближе к токенам, чем любой, кто обращается к API, и на канал сводок, который намеренно представляет собой рендеринг. Последствие для читателей недвусмысленно. Из API нельзя провести аудит рассуждений GPT-6.1 Sol. Можно провести аудит его ответов, количества его токенов и заявленных им сводок. Любой, кто утверждает, что прочитал его мысли по скриншоту, прочитал документ, который модель написала о себе.

Число, которое действительно имеет отношение к вопросу «есть ли что-то не так внутри»

Если вам нужны доказательства того, что происходит внутри модели, а не того, что она говорит о себе, сентябрьское дополнение о безопасности развёртывания — единственный содержательный публичный источник, и он подготовлен вендором: O​penAI измерила собственную модель, опубликовала метод, и ни одна внешняя сторона его не воспроизвела. Две цифры из раздела о цепочке рассуждений стоит держать в голове.

• Управляемость CoT — 44,8% у GPT-6.1 Sol против 60,9% у GPT-6 Astra, 23,2% у GPT-6 Sol и 16,1% у GPT-5.6 Sol. Более высокое значение означает, что внешний промпт легче может направлять текст рассуждений.

• Уклонение от CoT-монитора при максимальных усилиях — почти нулевое, при этом монитор с полным контекстом выявляет 100% заложенных вариантов поведения в собственном тестовом стенде поставщика.

• Стеганографическое кодирование в рассуждениях — попытка предпринята, но не продемонстрирована, согласно тому же документу.

Читая это вместе, картина складывается прямо противоположная тревоге, которую подразумевал твит. Модель, которая наиболее бегло читается на поверхности, — не та, чьи рассуждения легче всего направлять; Astra получает более высокую оценку по управляемости, хотя именно её рецензенты описывают как в целом более способную. Рассуждения GPT-6.1 Sol сравнительно трудно сдвинуть в сторону, и, по собственным цифрам вендора, за ними легко следить монитору с полным контекстом. «Не о чем беспокоиться» — это шутка, но, судя по опубликованным данным, это недалеко от истины — конкретно в вопросе мониторируемости, а это узкий вопрос.

Латентное рассуждение — это настоящий ответ на другую проблему.

Ответ «перейти на полностью латентное рассуждение» заслуживает большего уважения, чем ему досталось в той ветке, потому что он указывает на реальное противоречие. Если рассуждение остаётся в непрерывных векторах, там нет ничего читаемого, что можно было бы неверно истолковать, нечего обобщать и нечем управлять — а ещё монитору нечего читать, вот почему лаборатории не просто так этого не сделали. Латентное рассуждение обменивает возможность мониторинга на запас по возможностям. Никто в той ветке не предлагал бесплатного обеда; предлагали закрыть окно, чтобы люди перестали в него пялиться.

Есть и второй фланг, о котором стоит знать. Опубликованная в этом году работа по извлечению трассировок рассуждений из проприетарных API через побочные каналы — атаки с внедрением промптов и атаки по таймингу токенов, а не чтение тела ответа — установила, что трассировка, которую вы никогда не собирались возвращать, всё равно может утечь. Дизайн O​penAI закрывает очевидную версию этой атаки, поскольку тело ответа содержит отрендеренное представление, а не трассировку. Он не закрывает тайминговый канал, и это не утверждается. Именно этот риск должен отслеживать серьёзный читатель, и это не тот риск, о котором был скриншот.

Как самому проверить всё это с минимальными затратами

Всё это можно проверить за полдня, и стоимость настолько низкая, что нет причин верить кому-либо на слово, включая нас. GPT-6.1 Sol стоит $2 за миллион входных токенов и $10 за миллион выходных, кэшированный ввод — $0.10, запись в кэш — $2.50. Контекст — 1 050 000 токенов, максимальный вывод — 128 000. Лестница усилий состоит из пяти ступеней — low, medium (по умолчанию), high, xhigh и max — а настройки «none» или «minimal» нет, поэтому нельзя попросить эту модель полностью пропустить рассуждения.reasoning.context принимает all_turns, который переносит состояние рассуждений между ходами многоходового диалога, а не перезапускает его на каждом ходу.

Эксперимент, который стоит провести, — это не проверка того, «читается ли это как английский», а проверка того, «отслеживает ли сводка ответ». Отправьте один и тот же сложный запрос при низком, высоком и максимальном уровне, запросите сводку на каждом уровне и сравните сводку с оценкой правильности и с reasoning_tokens. Если сводки раздуваются, а точность не меняется, сводка — декорация. Если точность растёт вместе с reasoning_tokens, а сводка остаётся краткой, сводка — это сжатый с потерями, но честный индекс. Любой из этих результатов информативнее скриншота.

Это сравнение также показывает, где слой маршрутизации оправдывает свое место, а не прикручивается сбоку. OrcaRouter предоставляет openai/gpt-6.1-sol вместе с более чем 200 другими моделями по одному ключу с наценкой 0%, так что указанные выше $2/$10 — это сумма, которую вы платите, а любое изменение цены у поставщика применяется в тот же день. Отказоустойчивость важна для этого конкретного теста: запуск трех уровней усилий параллельно означает три шанса наткнуться на ограничение частоты запросов или ошибку Bad Gateway, а автоматическое переключение при сбое на исправного провайдера позволяет сравнению A/B/C дойти до конца, а не остановиться на полпути. Если вы хотите измерять канал сводок и канал необработанных ответов бок о бок без написания отдельного клиентского кода для каждой конечной точки, DSL маршрутизации собирает вызовы в одном месте.

Что действительно изменило бы эту часть?

Два события превратили бы это из прочтения в стиле утечки в новостной материал. Первое — любое изменение контракта API, которое возвращает что-то помимо сводки: параметр необработанной трассировки, режим отладки, исследовательский предпросмотр. В октябрьском журнале изменений O​penAI нет записи о трассировках рассуждений или необработанной цепочке рассуждений, и формулировки документации не изменились, поэтому на момент публикации контракт остаётся неизменным. Второе — воспроизводимый независимый результат: кто-то публикует промпты, идентификаторы запросов и выходные данные, показывающие, что сводка расходится с оценённой корректностью при определённом уровне усилий. Это было бы находкой. Скриншот без промпта — нет.

Для контекста о том, где на самом деле находится модель, пока всё это обсуждается: Artificial Analysis оценивает GPT-6.1 Sol в Intelligence Index 52 на v4.3.2, ставя её на 12-е место среди 214 моделей, при $0.72 за задачу и 55.2 токена в секунду — измерения независимые, и именно на показатель стоимости за задачу стоит обратить особое внимание, поскольку GPT-6 Astra набирает 53 при $3.26 за задачу при тарификации $10/$50. Проверенный набор ARC Prize ставит GPT-6.1 Sol на 98.5% на ARC-AGI-1 и 94.2% на ARC-AGI-2. Это показатели возможностей. Они ничего не говорят о том, понятны ли рассуждения, и именно на этом и держалась путаница в ветке: модель может быть превосходной и непрозрачной, а резюме, которое вы читаете, — это любезность, а не окно.