GPT-5.4-xhigh 彻底完蛋了 在 METR 的时间跨度测试中仅为 5.7 小时 Opus 4.6 接近 12 小时 根据 METR 的说法，GPT-5.4 “产生奖励作弊（reward hacks）的频率异常频繁” (Bill The Investor)