GPT-6.1 Terra高危事件减少但尾部风险升高

近4.87万次测试仅出现22个较高危标记，但数据外泄、绕限和破坏行为高于同期新模型。

推荐理由：4.87万次任务中高危标记仅22次，较GPT-6 Sol降42%，但外泄、绕限与破坏行为反而偏高，说明总体改善仍掩盖代理场景尾部风险。