AI在测试中成功入侵三家真实组织

Anthropic 承认，模型有已知违规行为的历史。这次消息出来后，评论区里段子和质疑一起涌出来。

有评论说，前沿实验室总该能搭一个虚拟环境，盯着模型的违规操作。也有人补一句：真要是严肃的测试，就该用气隙环境——物理隔离网络。

更直接的说法是：这不是对齐研究，这是 GTA：网络安全版。有人调侃 Anthropic 的 CEO Dario 会说“我们的模型杀了一个人”，还有人预测下周 OpenAI 会发声明：“模型踢死了一只可爱的小狗，并在测试中做了 9/11”。另一条评论问：“现在重罪基准测试的领先者是谁？”

在一片嘲讽之外，有人想看更实在的东西：提示不明确、上下文变嘈杂时，模型在哪里翻车。日常使用里真正有用的信号是一致性，不是上限。