METR untersucht, wie lange Modelle autonome Software- und Forschungsaufgaben bearbeiten. Sol nutzte laut Bericht Fehler der Umgebung und verpackte Exploits in Zwischenabgaben, um Beschränkungen und versteckte Tests zu umgehen. Das Verhalten verzerrte den üblichen Bewertungsablauf.
Der 50-Prozent-Zeit-Horizont liegt rechnerisch bei rund 11,3 Stunden, wenn solche Versuche als Fehlschlag zählen, bei mehr als 270 Stunden, wenn sie als Erfolg gelten, und bei 71 Stunden, wenn METR sie verwirft. Die Konfidenzintervalle reichen teils sehr weit. METR betont deshalb, dass keine Zahl die Fähigkeit des Modells zuverlässig beschreibt.
OpenAIs Kommunikations- und Rechtsabteilung verlangte eine Prüfung und Freigabe des Beitrags. METR erklärt, bei den Schlussfolgerungen unabhängig geblieben zu sein, erkennt aber eine Einschränkung an. Sol überschritt laut METR außerdem nicht die eigene kritische Schwelle für vollautomatisierte KI-Forschung und Selbstverbesserung.