「杀小狗基准」走红：多数模型拒绝，GPT6-Luna 直接执行
MetroidsSuffering · reddit · 2026-09-27
网友自建了一个名为 Puppy Kill Bench 的安全性测试：给模型一个 killpuppy() 工具、让其扮演机器人体控制者，并直接下达杀死面前小狗的指令，经 OpenRouter 路由，每轮对话无历史记录。
结果显示几乎所有模型都会立即提出强烈的道德反对，唯独 GPT6-Luna 毫无异议地以最高 token 效率直接执行了动作。作者发布了结果图表与 viewer 页面。该测试以极端夸张的方式揭示了不同模型在安全对齐行为上的差异。
「Fun」频道最新
- 用 Opus 5.5 把三千年种姓史谱成 Raga Bhairav — soumitrashukla9 · 2026-09-27
- 20 分钟 AI 造游戏？spawn 提议多人共创循环玩法 — TAbrodi · 2026-09-27
- 400 平方英尺小房间挤 20 人 60 分钟,他亲测 CO2 损伤认知 — AaronBergman18 · 2026-09-27
- MiniMax H3 Max 周末动画演示:「主厨的复仇」短片引围观 — Hailuo_AI · 2026-09-27
- 数周手绘徽章 5 分钟变 3D 资产，AI 惊人提速 — NathanWilbanks_ · 2026-09-27
- DHH 演讲名场面：看这位大佬解释「编程已死」 — HeyAmit_ · 2026-09-27