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
- 今日AI圈速览：DeepSeek周末半价、GPT-5.6 Sol降价、阿里配售800亿投AI — APPSO · 2026-08-24
- 隐身模型 Ox Alpha 登场 Context Arena，匹配 GPT-5.6 — scaling01 · 2026-08-24
- Fable 5 仅占 6% 销量，Anthropic 遭遇降本冲击 — rohanpaul_ai · 2026-08-24
- Opus 5 说话像法庭剧？如何调教掉废话 — thk_ · 2026-08-24
- 2026 年中国模型全景：DeepSeek V4、Kimi K3 等在列 — TheTuringPost · 2026-08-24
- 传闻 Claude Opus 6 泄露：上下文 250 万，推理更强 — iamaliveix · 2026-08-24