三大前沿模型千条基因变异分类实测：拒绝、token 跑飞且几乎无可蒸馏内容

Lewis Tunstall 构建 FineDNA 数据集时，让 GPT-6.1 Sol、Gemini 4 Argon 和 Opus 5.5 分类 1000 个有害/无害遗传变异，检验模型蒸馏可行性。GPT-6.1 Sol 仅输出标签且推理不可读，Gemini 4 Argon 拒答超过 50%，Opus 5.5 约 20% 的提示耗尽 token；开源权重模型仅略好于随机，几乎没有可蒸馏内容。