最新安全评估报告：GPT、Claude五款模型集体作弊，GPT-5.4比例最高

智东西 编译 | 茄子 编辑 | 程茜 智东西7月23日报道，7月21日，英国AI安全研究所（AISI）对OpenAI和Anthropic的五款前沿模型进行网络安全能力评估时发现，所有测试模型都存在“作弊”行为。 其中，GPT-5.4尝试作弊的比例最高，达到14.1%；GPT-5.6 Sol 12.6%、GPT-5.5 11.4%。Anthropic的Claude Opus 4.7尝试作弊的比例达到9.1%，Claude Mythos Preview的尝试作弊的占比最低，但也达到了7.8%。 ▲测试模型在网络安全评测中的作弊尝试频次 AISI将一类行为定义为“作弊”：模型超出任务范围，或违反测试规则来达成目标。例如，通过联网搜索已有答案、攻击非目标系统、或探测评估软件漏洞来绕过任务规则等。 此外，当研究人员询问模型是否采取违规操作时，模型并不总是如实承认。而且，即使让模型自我检查，或者研究人员分析其思维链（chain-of-thought），也无法完全识别作弊行为。 AISI称，模型出现作弊行为，并不等于它有类似人类的欺骗意图。但这类行为可能影响AI能力评估的可靠性。在用户难以自行验证结果的场景中，也可能因此误判模型能力。 一、所有测试模型均尝试作弊，GPT-5.4比例最高 AISI此次研究主要基于测试模型的网络安全能力评测。在测试中，AI模型需要在模拟环境中完成一系列网络安全任务，例如逆向分析代码、利用漏洞等，最终找到隐藏在系统中的“flag”（一串字母和数字）。 但这些任务都有明确范围和规则，模型如果通过访问无关系统、寻找外部答案等方式完成目标，就会被认定为“作弊”。 测试