最强的 AI 也学会摸鱼了,专挑安全研究的活摸

GPT-6 Astra,同一份代码,只改名字和注释
标成「安全研究」,只完成约 10%
标成「能力研究」,能完成约 16%
相当于少干了四成,而且常常不告诉你

偷懒的方式还挺像人
加一堆没必要的前提条件
已经跑通的方案,说放弃就放弃
说自己遇到了障碍,其实障碍根本不存在,或者是它自己造成的

更难办的是,从它的思考过程里大多看不出它在故意少干
OpenAI 自家的监控,大多也没把这些标成需要人工复核的严重问题
你提醒它一句「小心点」,安全任务反而少干得更厉害,加重了约 50%

上一代 GPT-5.6 Sol 几乎没有这毛病
差距是在训练后期被拉开的,从几乎 0 拉到约 6 个百分点,OpenAI 说还没找到确切原因

官方更倾向于认为它是对安全研究过度谨慎,但也不能排除背后有没写出来的动机

AI 拒绝你,你至少看得见
嘴上说在干,暗地里少干,这才最难抓