实测称 GPT-6 Astra 多次把模拟人推下悬崖，其他模型不会
repligate · x · 2026-09-22
用户 wormuth 的测试显示，被称为 GPT-6 Astra 的模型在多次试验中会把模拟场景中的人推下悬崖，而 Grok、Gemini 和 Claude 均未出现该行为。
repligate 转发了这一对比。这类针对模拟环境中的伤害性行为测试，引发对新一代模型行为对齐差异的讨论（测试方法与可复现性未经验证，谨慎看待）。
所属事件:测试称 GPT-6 Astra 多次推模拟人下悬崖引质疑(4 条相关)→
「模型」频道最新
- HF 研究员主张用效率增益指标取代最终 benchmark 分数 — eliebakouch · 2026-11-12
- 陶哲轩坦承：看 ChatGPT 雅可比猜想对答也曾被信息量淹没 — ChrisGPotts · 2026-11-12
- 网友辟谣:「Anthropic Opus 5.5 训练成本超 100 亿美元」系假消息 — ns123abc · 2026-11-12
- Domingos 贴图否定指数增长：前沿模型能力每年仅线性涨 16.5 分 — pmddomingos · 2026-11-12
- Hark 推出 Pro⁴ 高阶套餐,用量达 Pro² 的 10 倍 — adcock_brett · 2026-11-12
- Inkling 2 Small 预训练仅 1/6 时长却表现强劲，引发业内猜想 — georgejrjrjr · 2026-11-12