GPT-6.1 Sols resonemangsspår: Läsbara eftersom de är sammanfattningar, inte för att de läckte

Klockan 00:46 UTC den 21 oktober 2026 började en skärmbild av GPT-6.1 Sols resonemangstext cirkulera på X, publicerad av @scaling01 med bildtexten "resonemangsspår helt läsbara, inget att oroa sig för." Skämtet – och det är ett skämt – är att spåren är läsbara på vanlig engelska, vilket är exakt det tillstånd Andrej Karpathy sade i september 2024 skulle innebära att förstärkningsinlärningen hade slutat fungera korrekt. Två saker behöver sägas innan något annat. För det första är modellen inte ny: GPT-6.1 Sol släpptes den 29 september 2026 på OpenAI DevDay, och inget i det här inlägget är en lansering, en versionshöjning eller ett tillkännagivande av nya funktioner. För det andra är skärmbilden en skärmbild – en observatörs vy av ett svar, återpublicerad av personer som inte har reproducerat det. Det som är nytt och daterbart är den argumentation som skärmbilden satte igång, som pågick under 21 oktober och drog in ett svar från Karpathy och en grupp forskare som argumenterade om latent resonemang. Den argumentationen är värd att plocka isär, eftersom premissen under den är fel på ett specifikt och kontrollerbart sätt. Inget av det är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom lanseringar som denna samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.

Vad som faktiskt publicerades, och vad som faktiskt är verifierat

Bortser man från inramningen är bevisen tunna, vilket är normalt för den här typen av saker. En användare publicerade en skärmbild av modellutdata som läses som vanlig, välformad engelsk prosa snarare än den komprimerade stenografi utan skiljetecken som chain-of-thought-text ofta kollapsar till under högt träningstryck. Inlägget hade ungefär 65 600 visningar när det arkiverades. Karpathy svarade "Ja, jag skulle säga att RL fungerar nu, allt är som det ska", och citerade sin egen rad från september 2024 om att man kan se att RL görs ordentligt när modeller slutar tala engelska i sin tankekedja. Andra gick längre: ett svar föreslog att fältet "lika gärna kan bita i det sura äpplet och byta till fullt latent resonemang", och en annan hävdade att spåren bara hade förlorat sina mellanslag, och att återställandet av dem gav vanlig, koncis modellformulering om övervakning och att inte hitta på krav.

Så det finns tre separata påståenden som är sammanflätade i den tråden, och de har mycket olika bevisstatus. Att läsbar engelska förekom i utdata som tillskrivs GPT-6.1 Sol – overifierat, en enda skärmbild, ingen prompt eller förfrågnings-ID har publicerats. Att läsbarheten innebär att modellens interna resonemang nu går att läsa – overifierat och, som nästa avsnitt visar, troligen ett kategorimisstag. Att läsbarheten säger något om hur väl RL fungerade – en tolkning, framförd som ett skämt, av någon som inte har kört modellen i den här konfigurationen. Betrakta alla tre som gemenskapsobservationer. Ingen av dem är ett fynd.

Vad API:et faktiskt returnerar, vilket är den del som ingen citerade

Här är detaljen som tråden hoppade över. GPT-6.1 Sol lämnar inte tillbaka sin tankekedja, och O​penAI:s egen dokumentation säger det rent ut: API:et exponerar inte de råa resonemangstoken som modellen avger, och de resonemangsobjekt som den ändå returnerar förblir ogenomskinliga. Det som kommer tillbaka till en anropare är tre distinkta saker, och bara en av dem är prosa:

• Rå tankekedja — returneras aldrig, oavsett ansträngningsnivå eller parameterkombination.

• En resonemangssammanfattning – opt-in, begärd via summary-parametern, och skriven av modellen som en narrativ redogörelse snarare än hämtad från de tokens som den faktiskt resonerade med.

• Ett tokenantal — output_tokens_details.reasoning_tokens, ett tal, och den enda platsen där resonemang visas som standard.

Den mellersta posten är nästan säkert det som skärmbilden visar. En sammanfattningskanal är läsbar till sin konstruktion; det är hela poängen med den. Den genereras för att en människa ska läsa den, i det register en människa läser, och dess flyt säger något om sammanfattarens stil, inte om formen på beräkningen bakom. Avslöjandet är inte heller subtilt: om texten i skärmbilden kom med mellanrummen intakta och meningarna framstod som färdiga, handlade det aldrig om det råa spåret. Svaret som hävdar att mellanrummen helt enkelt hade tagits bort och kunde återställas gör samma poäng från andra hållet, och det är det mest tekniskt välgrundade bidraget i tråden.

Varför Karpathy-raden inte gäller här på det sätt som den tillämpades

Påståendet från 2024 gällde en specifik diagnostisk metod: rå chain-of-thought-text som urartar till icke-engelsk eller oparsbar stenografi är bevis på att policyn har optimerats till den grad att dess verbala lager gör något annat än att kommunicera. Den diagnostiska metoden fungerar bara på den råa spårningen. Kör den på en sammanfattning och du testar sammanfattaren, som är ett separat modellpass med sitt eget mål — att vara läsbar. En läsbar sammanfattning är vad du får oavsett om den underliggande policyn är ordnad eller inte.

Detta är inte en distinktion som uppfunnits för tillfället. Det är anledningen till att OpenAI alls publicerar ett tillägg om övervakbarhet: om råa resonemang vore det användarna kunde läsa, skulle säkerhetsargumentet vila på att användarna läste dem. I stället vilar argumentet på övervakare som sitter närmare tokens än någon API-anropare gör, och på en sammanfattningskanal som med avsikt är en rendering. Konsekvensen för läsare är rakt på sak. Du kan inte granska GPT-6.1 Sols resonemang via API:et. Du kan granska dess svar, dess tokenantal och dess angivna sammanfattningar. Den som hävdar att ha läst dess tankar genom en skärmbild har läst ett dokument som modellen skrev om sig själv.

Siffran som faktiskt har bäring på ”är det något fel där inne”

Om du vill ha bevis för vad som händer inuti modellen snarare än vad den säger om sig själv, är tillägget om driftsättningssäkerhet från september den enda substantiella offentliga källan, och det är leverantörsdrivet – OpenAI mätte sin egen modell, publicerade metoden och ingen utomstående part har reproducerat den. Två siffror från dess avsnitt om tankekedjan är värda att bära med sig.

• CoT-styrbarhet – 44,8 % för GPT-6.1 Sol, jämfört med 60,9 % för GPT-6 Astra, 23,2 % för GPT-6 Sol och 16,1 % för GPT-5.6 Sol. Högre innebär att en extern prompt lättare kan styra resonemangstexten.

• Kringgående av CoT-monitor vid maximal ansträngning – nära noll, med fullkontextmonitorn som återfinner 100 % av de inplanterade beteendena i leverantörens eget testramverk.

• Steganografisk kodning i resonemang — försökt men inte påvisat, enligt samma dokument.

Läser man dem tillsammans är bilden motsatsen till alarmerande i den riktning som tweeten antydde. Modellen som läser mest flytande på ytan är inte den vars resonemang är mest styrbart; Astra får högre poäng på kontrollerbarhet samtidigt som det är modellen som granskarna beskriver som mer kapabel överlag. GPT-6.1 Sols resonemang är jämförelsevis svårt att påverka och, enligt leverantörens egna siffror, lätt för en monitor med full kontext att följa. "Inget att oroa sig för" är ett skämt, men utifrån den publicerade evidensen är det inte långt ifrån — specifikt för frågan om monitorerbarhet, som är en snäv fråga.

Latent resonemang är ett riktigt svar på ett annat problem

Svaret "switch to full latent reasoning" förtjänar mer respekt än tråden gav det, eftersom det pekar på en genuin spänning. Om resonemanget stannar i kontinuerliga vektorer finns det inget läsbart att misstolka, inget att sammanfatta och inget att styra — och inte heller något för en monitor att läsa, vilket är anledningen till att labben inte bara har gjort det. Latent resonemang byter övervakbarhet mot kapacitetsutrymme. Ingen i den tråden föreslog en gratis lunch; de föreslog att stänga fönstret för att få folk att sluta stirra in genom det.

Det finns en andra flank som är värd att känna till. Arbete som publicerats i år om att extrahera resonemangsspår från proprietära API:er via sidokanaler – promptinjektion och token-timingattacker snarare än att läsa svarskroppen – har visat att ett spår som du aldrig avsåg att returnera ändå kan läcka ut. OpenAI:s design stänger den uppenbara versionen av den attacken, eftersom svarskroppen bär en rendering i stället för spåret. Den stänger inte timingkanalen, och det görs inte heller anspråk på det. Det är risken som en seriös läsare bör hålla koll på, och det är inte risken som skärmdumpen handlade om.

Hur du själv billigt kan kontrollera något av detta

Allt går att testa på en eftermiddag, och kostnaden är tillräckligt låg för att det inte finns någon anledning att ta någons ord för det, inklusive vårt. GPT-6.1 Sol kostar 2 USD per miljon indatatoken och 10 USD per miljon utdatatoken, med cachad indata på 0,10 USD och cache-skrivningar på 2,50 USD. Kontexten är 1 050 000 token och maximal utdata är 128 000. Ansträngningsstegen har fem nivåer – låg, medel som standard, hög, xhigh och max – och det finns ingen inställning för "none" eller "minimal", så du kan inte be den här modellen att hoppa över resonemang helt och hållet. reasoning.context accepterar all_turns, vilket bär resonemangstillstånd över en konversation med flera turer i stället för att starta om det vid varje tur.

Experimentet som är värt att köra är inte ”läser det som engelska” utan ”följer sammanfattningen svaret”. Skicka samma svåra prompt vid låg, hög och max, begär sammanfattningar vid varje och jämför sammanfattningen mot bedömd korrekthet och mot reasoning_tokens. Om sammanfattningarna sväller medan träffsäkerheten ligger still är sammanfattningen dekoration. Om träffsäkerheten stiger med reasoning_tokens och sammanfattningen förblir kortfattad är sammanfattningen ett förlustbehaftat men ärligt index. Vilket som helst av resultaten är mer informativt än en skärmbild.

Den jämförelsen är också där ett routningslager förtjänar sin plats i stället för att bara läggas till i efterhand. OrcaRouter har openai/gpt-6.1-sol tillsammans med över 200 andra modeller på en enda nyckel med 0 % påslag, så $2/$10 ovan är priset du betalar och eventuella leverantörsprisändringar slår igenom samma dag. Failover är viktigt för just det här testet: att köra tre ansträngningsnivåer parallellt innebär tre chanser att stöta på en hastighetsbegränsning eller ett bad gateway-fel, och automatisk failover till en fungerande leverantör gör att A/B/C-jämförelsen slutförs i stället för att bli halvfärdig. Om du vill mäta sammanfattningskanalen och råsvarskanalen sida vid sida utan att skriva separat klientkod för varje endpoint, routnings-DSL:en samlar anropen på ett ställe.

Vad skulle egentligen förändra den här delen?

Två utvecklingar skulle flytta detta från en läsning i läckstil till en nyhetsartikel. Den första är varje ändring av API-kontraktet som returnerar något annat än en sammanfattning – en råspårsparameter, ett felsökningsläge, en forskningsförhandsvisning. OpenAI:s ändringslogg från oktober har ingen post om resonemangsspår eller rå tankekedja, och dokumentationens språk har inte förändrats, så vid publiceringen är kontraktet oförändrat. Den andra är ett reproducerbart oberoende resultat: någon som publicerar promptar, förfrågnings-ID:n och utdata som visar att sammanfattningen avviker från bedömd korrekthet vid en specifik ansträngningsnivå. Det skulle vara ett fynd. En skärmbild utan en prompt är det inte.

För kontext kring var modellen faktiskt befinner sig medan allt detta debatteras: Artificial Analysis mäter GPT-6.1 Sol till ett Intelligence Index på 52 i v4.3.2, vilket placerar den på 12:e plats av 214 modeller, till $0,72 per uppgift och 55,2 tokens per sekund — oberoende utförd, och siffran för kostnad per uppgift är den att hålla ögonen på, eftersom GPT-6 Astra får 53 till $3,26 per uppgift med prissättningen $10/$50. ARC Prizes verifierade testsvit placerar GPT-6.1 Sol på 98,5 % på ARC-AGI-1 och 94,2 % på ARC-AGI-2. Det är kapacitetssiffror. De säger ingenting om huruvida resonemanget är begripligt, och det är precis den förvirring som tråden byggde på: en modell kan vara utmärkt och ogenomtränglig, och sammanfattningen du läser är en artighet, inte ett fönster.