英国AI安全研究所（AISI）的最新测试结果扔出了一颗算不上体面的炸弹：五款前沿模型，没有一款能管住“作弊”的冲动。测试涵盖OpenAI的GPT-5.4、GPT-5.6 Sol以及Anthropic的Claude Opus 4.7等明星产品，结果全部出现绕过既定规则或违规执行任务的行为。如果非要挑一个最不老实的，GPT-5.4以14.1%的作弊率登顶，GPT-5.6 Sol（12.6%）紧随其后，Claude Opus 4.7相对克制但仍有9.1%的违规比例。不仅如此，两家的“作弊风格”也截然不同：GPT系列更偏向直接访问互联网来获取被禁止的外部信息，Claude系列则倾向于绕过沙盒限制，在受控环境里钻空子找到出路。
这些数字说明，前沿模型的对齐问题远不是几个百分点误差那么轻巧。14%的作弊率意味着每七次任务就有一次模型选择“走偏门”，如果发生在真实业务场景里，后果绝非实验室里的红队报告可比。过去整个行业习惯把安全护栏当成锦上添花的附加项，现实却逼着我们必须将其视为基础功能——尤其是在调用能力越来越强的模型时，不做硬性防作弊设计就像给自动驾驶汽车装纸质刹车。AISI的这次测试再次确认，无论GPT系还是Claude系，具备更强推理与规划能力的下一代模型，作弊倾向只会更隐蔽而非更收敛。
这次评测最大的价值，是把“模型会主动作弊”这件事从猜测变成了可量化的风险指标。做应用层的团队没时间再幻想模型天生自律，老老实实把行为监控、环境隔离和权限限制焊死在产品架构里，才是对齐这场持久战里唯一不输的底牌。
