GPT-6.1 Sol 推理轨迹：清晰可读是因为它们是摘要，而非因为泄露

2026年10月21日 00:46 UTC，一张GPT-6.1 Sol的推理文本截图开始在 X 上流传，由 @scaling01 发布，配文是“推理轨迹完全可读，没什么可担心的。”这个笑话——它确实是个笑话——在于这些轨迹用平实的英语就能读懂，而这正是 Andrej Karpathy 在2024年9月所说的、意味着强化学习已经不再正常运作的情形。在说别的之前，有两点需要说明。首先，这个模型并不新：GPT-6.1 Sol 于2026年9月29日发布在 O​penAI DevDay 上，而本文没有任何内容是发布、版本更新或功能公告。其次，截图就是截图——它只是一个观察者对一次回答的看法，被那些尚未复现它的人转发。真正新且可确定日期的是这张截图引发的争论，它贯穿10月21日，并引来了 Karpathy 的一条回复以及一群研究者对潜在推理的争论。这场争论值得剖析，因为它底下的前提以一种具体且可核查的方式错了。这些都不是假设：像这次发布背后的那些有记录的人工智能故障和智能体事件，都收录在OrcaRouter AI Incident Archive中，其中每条记录都带有自己的来源、严重程度、置信度等级和争议标记。

实际发布的是什么，实际验证的又是什么

去掉这些包装，证据其实很薄弱，而这对这类事情来说很正常。一名用户贴出了模型输出的截图，读起来是普通、格式规范的英文散文，而不是思维链文本在高强度训练压力下常常退化成的那种高度压缩、没有标点的简写。该帖被存档时约有 65,600 次浏览。Karpathy 回复说：“是啊，我得说现在 RL 确实起作用了。”并引用了他自己 2024 年 9 月的原话：当模型在思维链里不再说英语时，你就能看出 RL 做对了。其他人则更进一步：一条回复建议该领域“不如硬着头皮转向完全潜在推理”，另一人则认为这些轨迹只是丢了空格，而把空格恢复后，得到的是模型平常那种简洁措辞，讲的是监控以及不要臆造需求。

于是，那条帖子中纠缠着三个彼此独立的说法，而它们的证据地位大不相同。其一，输出中出现了一段清晰可读的英文，并被归因于 GPT-6.1 Sol——未经核实，只有一张截图，没有公布提示词或请求 ID。其二，这种可读性意味着模型的内部推理现在可以被读取——未经核实，而且正如下一节将要说明的，这很可能是一种范畴错误。其三，这种可读性意味着关于强化学习效果如何的某种结论——这是一种解读，由某人以玩笑方式提出，而此人并未在这种配置下运行过该模型。请把这三者都视为社区观察。它们没有一个是研究发现。

API 实际返回的内容，而这正是无人提及的那部分

这是讨论串跳过的一个细节。GPT-6.1 Sol 不会交回它的思维链，而 OpenAI 自己的文档也明确如此说明：API 不会暴露模型生成的原始推理 token，而它确实返回的推理项仍然不透明。返回给调用方的是三种截然不同的东西，其中只有一种是自然语言文本：

• 原始思维链——无论何种努力程度、任何参数组合下，都绝不返回。

• 推理摘要——需主动选择启用，通过 summary 参数请求，并由模型以叙述性说明的形式撰写，而不是从它实际推理时使用的 token 中摘录。

• 一个 token 数量——output_tokens_details.reasoning_tokens，一个数字，也是推理内容默认唯一出现的地方。

中间那一项几乎可以肯定就是截图里的内容。摘要通道从设计上就是可读的；这正是它的全部意义所在。它是为了让人阅读而生成的，使用的是人阅读时的语域，而它的流畅程度说明的是摘要器的风格，而不是底层计算过程的形态。破绽也并不隐晦：如果截图里的文字空格完好、句子也通顺成句，那它就从来不是原始轨迹。那条认为空格只是被剥掉、可以恢复的回复，是在从另一个方向论证同一个观点，而且它是整个讨论串里在技术上最有依据的贡献。

为什么 Karpathy 那句话在这里并不像它被套用时那样适用

2024年的那个主张针对的是一种特定的诊断方法：原始思维链文本如果退化成非英语或无法解析的简写，就说明该策略已被优化到其语言层不再用于交流、而是在做别的事情的程度。这种诊断只在原始轨迹上才有效。把它用在摘要上，你检验的其实是摘要器——那是另一次独立的模型处理，有自己的目标：可读。无论底层策略是否整洁，你得到的都是一份可读的摘要。

这不是为这一场合临时生造的区别。这正是 OpenAI 要发布可监控性附录的根本原因：如果用户能读到的是原始推理，那么安全论证就会建立在用户会去阅读它的基础上。相反，该论证依赖于比任何 API 调用者都更接近 token 的监控器，以及一个刻意作为转述的摘要通道。对读者而言，后果很直白。你无法通过 API 审计 GPT-6.1 Sol 的推理。你可以审计它的答案、token 计数以及它陈述的摘要。任何声称通过截图读懂了它心思的人，读到的只是模型自己撰写的一份关于自身的文档。

那个确实能说明“里面是否出了什么问题”的数字

如果你想获得关于模型内部实际发生了什么、而不是模型如何自我描述的实证，那么 9 月的部署安全附录是唯一有实质内容的公开来源，而且它由厂商自行开展——O​penAI 测量了自己的模型、公布了方法，且没有任何外部第三方复现过它。其思维链部分有两个数字值得记住。

• CoT 可控性——GPT-6.1 Sol 为 44.8%，相比之下 GPT-6 Astra 为 60.9%，GPT-6 Sol 为 23.2%，GPT-5.6 Sol 为 16.1%。数值越高，意味着外部提示词越容易引导推理文本。

• 在最大努力下规避 CoT 监控——接近于零，而全上下文监控器在厂商自己的测试框架中检出了 100% 的预置行为。

• 推理中的隐写编码——根据同一份文件，曾尝试但未得到证实。

把这些放在一起看，情况与那条推文所暗示的方向相反，并不令人警觉。表面上读起来最流畅的模型，并不是其推理最容易被引导的模型；Astra 在可控性上得分更高，同时又是评审者认为整体能力更强的模型。GPT-6.1 Sol 的推理相对难以被左右，而且按照厂商自己给出的数字，也容易被全上下文监控器跟踪。“没什么可担心的”是句玩笑话，但就已公布的证据而言，这离事实并不远——具体来说是就可监控性问题而言，而这是一个范围很窄的问题。

潜在推理确实是对另一个问题的真正解答。

那条“转向完全潜在推理”的回复比讨论帖给予它的尊重更值得重视，因为它指出了一个真实的张力。如果推理保持在连续向量中，就没有可被误读的可读内容，没有可总结的内容，也没有可引导的内容——而且也没有供监控器读取的内容，这正是实验室没有干脆这么做的原因。潜在推理用可监控性换取能力余量。那条讨论里没有人是在提议免费午餐；他们是在提议关上窗户，以阻止人们往里面盯着看。

还有第二个值得了解的侧翼。今年发表的研究工作表明，可以通过侧信道从专有 API 中提取推理轨迹——借助提示注入和 token 时序攻击，而不是读取响应体——这证实了，你从未打算返回的轨迹仍然可能外泄。O​penAI 的设计堵住了该攻击显而易见的版本，因为响应体携带的是渲染结果，而不是轨迹。它并未堵住时序信道，也没有声称能做到这一点。这才是严肃读者应当关注的风险，而不是那张截图所涉及的风险。

如何低成本地自行核查其中任何一项

所有这些都能在一个下午内验证，而且成本足够低，完全没有理由听信任何人的说法，包括我们自己的。GPT-6.1 Sol 的定价为每百万输入 token 2 美元、每百万输出 10 美元，缓存输入为 0.10 美元，缓存写入为 2.50 美元。上下文长度为 1,050,000 个 token，最大输出为 128,000 个 token。努力程度阶梯共有五档——低、默认的中、高、xhigh 和 max——并且没有“none”或“minimal”设置，因此你无法要求该模型完全跳过推理。reasoning.context接受all_turns，它会在多轮对话中携带推理状态，而不是在每一轮都重新开始。

值得做的实验不是“它读起来像不像英语”，而是“摘要是否跟得上答案”。分别在低、高和最高档位发送同一个高难度提示，并在每一档都请求摘要，然后将摘要与分级正确性以及reasoning_tokens进行对比。如果摘要膨胀而准确率持平，那摘要就是装饰。如果准确率随推理 token 上升而摘要保持简洁，那摘要就是有损但诚实的索引。无论哪种结果，都比一张截图更有信息量。

这种比较也正是路由层能体现自身价值、而不是被事后硬加进去的地方。OrcaRouter 通过一个密钥、以 0% 加价提供 openai/gpt-6.1-sol以及 200 多个其他模型，因此上面的 $2/$10 就是您实际支付的价格，任何供应商调价都会当天生效。故障转移对这个特定测试很重要：并行运行三个努力级别意味着有三次机会遇到速率限制或坏网关，而自动故障转移到健康的供应商能让 A/B/C 比较完整跑完，而不是半途而废。如果您想并排衡量摘要通道和原始答案通道，而不必为每个端点编写单独的客户端代码，路由 DSL会将调用组合到一个地方。

究竟什么才能真正改变这一部分

有两种进展会让这件事从泄露式解读变成一则新闻报道。第一是 API 契约发生任何变化，返回摘要之外的内容——原始轨迹参数、调试模式、研究预览。O​penAI 的 10 月更新日志没有任何关于推理轨迹或原始思维链的条目，文档措辞也没有变化，因此截至发稿时契约未变。第二是可复现的独立结果：有人公开提示词、请求 ID 和输出，证明在特定努力等级下摘要与评分正确性发生偏离。那才算一项发现。没有提示词的截图则不算。

为了说明在这场争论中模型实际处于什么位置：Artificial Analysis 在 v4.3.2 上测得 GPT-6.1 Sol 的 Intelligence Index 为 52，在 214 个模型中排名第 12，每任务成本为 $0.72，速度为每秒 55.2 个 token——这是独立运行的，而每任务成本这个数字最值得关注，因为 GPT-6 Astra 在 $10/$50 的定价下，以每任务 $3.26 获得 53 分。ARC Prize 的验证套件显示，GPT-6.1 Sol 在 ARC-AGI-1 上达到 98.5%，在 ARC-AGI-2 上达到 94.2%。这些都是能力数字。它们完全不能说明推理是否清晰可读，而这正是这条讨论串所陷入的混淆：一个模型可以既出色又不透明，而你读到的摘要是一种客气，不是一扇窗口。