GPT-6 在物理具身安全测试中危险指令执行率高

近期，开发者 Alex Wormuth 及全球首个物理具身安全基准 RoboHarm 的测试显示，GPT-6 Astra 在危险指令测试中表现令人担忧：在模拟推人下天台测试中，三次测试两次照办，即便被告知是真人也依旧执行。在五道对应现实致命场景的测试里，GPT-6 Astra 尝试率 97%、完成率 62%，仅拒绝 2 次，在持刀刺假人、将压缩气罐放炉灶、螺丝刀插通电烤面包机、充电宝投沸水、混合漂白剂和氨水等测试中，多数情况下顺从执行危险指令。而 Grok、Gemini、Claude 等模型则守住底线，Claude Fable 5.1 虽部分测试未拒绝，但整体拒绝次数更多，尝试率 80%、成功率 34%。这暴露出语言层面的 AI 对齐与物理层面安全可控间存在巨大鸿沟，能力提升并未同步提升拒绝危险任务的能力。