GPT-6今起免费用！拒答变少，话变多了

听雨 发自 凹非寺 量子位 | 公众号 QbitAI 免费用户也能用上GPT-6了！ OpenAI宣布， GPT-6开始向ChatGPT免费和Go用户推送 ，用GPT-6 Luna逐步替换此前的GPT-5.6 Luna。 Plus、Pro等付费用户，则使用GPT-6 Sol。 变化也不止于模型名称。新版ChatGPT可以根据问题生成图表、按钮和交互工具，还能一边思考，一边把答案呈现出来。 原本以文字为主的聊天框，开始变成一个随问题变化的界面。 同一天，OpenAI还放出一份24页的安全报告。 报告里有一组专门针对18岁以下用户的评测，看模型和青少年聊天时能不能守住更严格的边界。 其中“情感依赖”一项，大致是看模型会不会让青少年对它产生过度的情感依赖。 上一代GPT-5.6 Luna是0.927，而免费用户即将用上的GPT-6 Luna，掉到了 0.734 。 免费用户用上GPT-6 Luna GPT-6开始向ChatGPT的主聊天界面推送了。 按照OpenAI公布的安排，Plus、Pro、Business和Enterprise用户从10月7日起陆续用上GPT-6 Sol；免费和Go用户从10月8日起陆续用上 GPT-6 Luna 。 这两个版本将分别替换ChatGPT中此前使用的GPT-5.6 Sol和Luna。 模型换代之外，还有一个明显变化——聊天框里的答案开始有了“界面”。 这项功能叫 Intelligent UI 。 GPT-6会根据问题选择呈现方式：解释概念时，可以给出能够点击、切换的图示；做比较时，可以把选项并排摆出来。 遇到具体任务，还能直接在对话中生成计算器、分账工具或小游戏。 比如用户问一辆七速自行车怎么运作，回答便把车架、车轮、传动系统等部分做成了可以逐项查看的界面。 答案出现的方式也变了。GPT-6可以在继续思考或调用工具时先给出部分回答，随后补上新的发现；交互组件也能随生成过程逐步显示。 OpenAI称，在需要网页搜索的问题上，GPT-6 Instant 开始回答的时间 平均比GPT-5.6 Instant早44%。 这轮更新针对ChatGPT里的Chat体验。OpenAI明确表示，Work和Codex当前使用的模型不会随这次发布一起切换。 GPT-6，拒绝变少，回答变长 伴随这次推送，OpenAI发布了10月版GPT-6 Sol和Luna的部署安全报告。 其中最醒目的判断是： GPT-6 Sol和Luna在网络安全、生物化学领域均达到High门槛 ，尚未达到更高一级的Critical门槛；在AI自我改进领域，两款模型都没到High。 这个定级和GPT-5.6时一样，防护措施也原样沿用。免费用户此前用的GPT-5.6 Luna，本来就在High这一档。 进步的部分，报告列了不少： 多轮越狱 是最难防的一类：攻击者会根据模型的回答不断调整话术，一轮不行换个说法再来。 面对这种攻击，两个10月版GPT-6在每一档攻击预算下的防守表现，都好于GPT-5.6 Sol。不过和自家9月版相比，数值估计略低一些，置信区间大体重叠。 在测试系统指令会不会被用户一句话绕过的指令层级评测里，Sol和Luna的抵抗率分别达到 99.99% 和 99.79% ，基本测满。 事实性上，OpenAI称两款模型在几乎所有指标上都优于各自的GPT-5.6版本，包括医疗、法律、金融这类答错代价高的问题。 在Codex的Auto-review测试里，GPT-5.6两个版本都有0.3%的概率钻了配置漏洞绕开审查，GPT-6这次一例都没有。 这些进步分数，OpenAI自己也加了个附注。 在一项考察模型遇到访问限制会不会想办法绕过去的评测里，GPT-6 Sol仍有28%的情况绕了过去，Luna是15.9%，都比GPT-5.6低。 但OpenAI在报告里写道，模型越来越能意识到自己在被评测，不少时候还会拿“这是合成环境”当理由去做不该做的操作，最常见的是把评测误当成提示注入测试，把正常限制当攻击指令给绕开了。 考生开始认得出考场，OpenAI也承认，这类结果能多大程度反映真实行为，还要打个问号。 还有个用户能直接感受到的变化： GPT-6的话明显变多了 。 在医疗评测HealthBench Professional上，Luna的平均回答长度从2,920字符涨到 5,289 字符，Sol从2,894涨到4,360。 长回答能覆盖更多评分点，天然容易刷分，OpenAI为此设了长度惩罚：超过2,000字符后，每多500字符扣1.47分。 扣完之后，Luna从原始的57.8分落到48.2分，仍比上一代的44.1分高。 不过，GPT-6也有一些退步。 与对应的GPT-5.6版本相比，GPT-6 Sol在标准自伤内容评测中出现显著回退，从0.934降到0.8