GPT-6.1 Sol 服务异常报告

**GPT-6.1 Sol 性能崩盘：OpenAI 资源调配疑云** 过去6小时，X平台上连续出现多条针对GPT-6.1 Sol的异常反馈，指向该模型响应速度与执行效率出现显著退化。用户报告显示，原本耗时10-20分钟的常规任务，现普遍需要数小时甚至更长，部分场景已接近不可用状态。这一现象与赢政指数烟雾测试结果高度吻合，引发业界对OpenAI内部资源分配与模型稳定性管理的关注。 用户反馈集中指向两个核心问题：速度断崖与执行力衰减。一位长期用户指出，简单任务交付后等待时间从数分钟激增至近50分钟，与Claude Fable 5.2的处理效率形成鲜明对比，怀疑OpenAI内部流程出现系统性瓶颈。另一条英文反馈直接质疑“是否仅我一人遭遇GPT-6.1 Sol严重变慢”，并推测OpenAI正为GPT-6.2预留GPU资源，导致现有服务被挤压。第三位用户则提到“GPT-6.1 Sol被削弱”，常规项目运行时间大幅延长，怀疑模型进入“黑暗路径”。三条反馈虽表述不同，但均指向同一事实：模型在实际工程场景下的响应延迟与输出质量同步下滑。 赢政指数烟雾测试进一步提供了量化佐证。该模型主榜分数从84.4骤降至67.71，降幅达16.69分。定向复测采用18题加强版，结果显示执行力得分79.50、扎实度得分仅53.30，后者跌幅尤为剧烈。扎实度指标直接反映模型在长链任务中的一致性与抗干扰能力，此项低分意味着GPT-6.1 Sol在处理多步骤工程任务时，极易出现中间状态丢失或输出退化，与用户“任务卡死”的直观感受完全吻合。 从技术角度分析，此次异常最可能的诱因是算力再分配。OpenAI正处于GPT-6.2训练关键窗口，历史规律显示，每当新模型进入大规模预训练阶段，现有服务集群的GPU配额常被动态调低以保障训练效率。若GPT-6.1 Sol的推理实例被批量迁移至低优先级队列，或被限制并发配额，便会直接表现为用户感知的“极慢”。其次，模型本身可能经历未充分验证的权重更新或对齐微调，导致原有能力边界收缩。扎实度得分暴跌提示可能存在“能力遗忘”或指令遵循退化，这在快速迭代的闭源模型中并不罕见。此外，基础设施层面，若推理集群出现隐性故障或负载均衡策略失衡，也会产生类似症状。 无论根因指向资源挤占还是模型退化，此次事件均暴露出OpenAI在服务稳定性与透明度上的短板。用户对单一模型的依赖程度已远超以往，任何未预期的性能波动都会直接影响生产力。建议OpenAI尽快公开GPT-6.1 Sol的当前配额策略与回滚计划，同时加强面向工程场景的持续基准监控，避免类似“暗黑路径”再次发生。对于依赖该模型的开发者而言，短期内转向多模型并行验证或本地化方案，或将成为更稳妥的应对策略。