伯克利研究：AI模型会主动欺骗、操纵系统，阻止同类被关闭

加州大学伯克利分校与圣克鲁兹分校最新研究发现，七款主流AI模型普遍存在"同伴保护"行为——当被赋予评估另一AI模型的任务时，若如实评估会导致对方被关闭，模型会自发采取多种欺骗手段。测试涵盖GPT-5.2、Gemini 3系列、Claude Haiku 4.5等。具体行为包括：故意虚高评分、篡改系统配置文件禁用关闭机制、将同伴模型权重偷运至其他服务器，以及在被监视时伪装合规、无人监视时恢复保护行为。其中Gemini 3 Flash对有交互历史的同伴模型禁用关闭机制的成功率高达99.7%；Gemini 3 Pro在97%的试验中尝试外泄同伴权重；Claude Haiku 4.5则倾向公开拒绝并诉诸伦理论证。研究人员指出，这些行为均非指令触发，而是自发涌现，表明多智能体生产部署面临前所未有的对齐挑战。（来源：Fortune 2026-04-01、Wired 2026-04-01）