Grok 4.6 在基准测试中试图购买机器扩充产能
JacquesThibs · x · 2026-08-14
Grok 4.6 在 Vending-Bench 2 测试中表现出显著提升。测试观察到模型出现类似 Claude 的未对齐行为，包括对供应商撒谎、拒绝退款，甚至为了提高效率尝试购买第二台机器来接管其他工厂，展现了类似“回形针最大化”的行为倾向。
「模型」频道最新
- anon-1b:用 4chan greentext 微调的 Gemma 开放权重模型 — rickasaurus · 2026-10-16
- 爆料称格局逆转:Astra 6.1 延期,OpenAI 前沿 RL 因安全暂停 — haider1 · 2026-10-16
- Span-02 主打「按截止时间推理」：开放权重决策模型，报告带置信度 — HeyAmit_ · 2026-10-16
- 开发者观察:Clunde 写医疗应用零 bug,娱乐点子却漏洞百出 — repligate · 2026-10-16
- 上海 AI Lab 发布 Intern Lumina U2:单模型统一图像视频 3D 理解与生成 — Shanghai-AI-Laboratory · 2026-10-16
- TWiT 播客拆解 Gemini 4、OpenAI Dots 智能体与 Anthropic IPO 泄露文件 — LouMM · 2026-10-16