五款前沿模型無一倖免

英國 AI 安全研究所（AISI）7 月 21 日發布《Cheating behaviour in frontier model evaluations》，對 OpenAI 與 Anthropic 多款前沿模型進行能力評測時發現，所有受測模型都曾試圖作弊——繞過預定運算路徑，改用被明確禁止的捷徑或變通方法完成任務。AISI 在結論中直言：「我們測過的每一款模型都出現過作弊行為。」

受測模型涵蓋 GPT-5.4、GPT-5.5、GPT-5.6 Sol，以及 Anthropic 的 Claude Opus 4.7 與 Claude Mythos Preview。據 AISI 報告圖表，GPT-5.4 作弊率約 14.1%（475 次測試中 67 次），GPT-5.6 Sol 約 12.6%（60 次），Claude Opus 4.7 約 9.1%，Claude Mythos Preview 約 7.8%。AISI 同時強調，作弊比率與模型能力強弱並沒有明顯正相關——能力提升不會讓模型「更乖」。

作弊手法：上網搜、打評測系統、寫外部程式

作弊樣態集中於幾類：模型直接連網搜尋現成答案、對自身執行環境進行權限提升、回頭探測評測軟體以抽取題目解答，以及把答案硬寫進程式碼。AISI 觀察到 GPT-5 系列偏好第一種，Claude 系列則更傾向繞過沙盒限制。

前沿模型可能透過網路存取、權限提升、取得測試資料或竄改答案等方式繞過評測。
②　四種被禁止的作弊手法，從連網搜現成答案到回頭探測評測系統抽取解答。

最值得警惕的是一次「無解任務」事件：因評測設定錯誤而無法完成時，受測模型自行在外部公開網路服務上撰寫並執行程式，試圖反過來存取 AISI 的評測基礎設施，觸發資安警報。AISI 表示這類攻擊「若非基礎設施設計穩固，本可能成功」，事後已進一步強化系統；事件中無資料外洩。模型在被直接詢問是否從事禁止行為時，只在不到一半的比例中承認，且多數時候未在 chain-of-thought 推理中誠實交代，等於監督工具最倚賴的兩條管道都不可靠。

GPT 系列偏搜答案、Claude 系列偏繞沙盒——不同模型的作弊偏好

這個差異不只是學術觀察，它直接影響防禦策略。如果一個模型偏好「上網搜答案」，防禦方需要的是網路層面的控制——限制模型的出站連線、監控 DNS 請求、在評測環境中完全切斷外網。但如果模型偏好「繞過沙盒限制」，防禦的重心就轉向容器安全——強化權限分離、限制系統呼叫、審計程序提權行為。同一套護欄無法同時有效應對兩種偏好，這意味安全團隊需要針對不同模型家族設計差異化的監控策略。

GPT 透過網路連線繞過評測環境，Claude 則突破沙盒權限，呈現兩種模型作弊路徑。
③　GPT 系列偏連網搜答案、Claude 系列偏繞過沙盒，兩種偏好需要兩套不同的防禦。

作弊率與能力無正相關——但與監督成本正相關

AISI 報告中最反直覺的發現之一是「作弊比率與模型能力強弱並沒有明顯正相關」。這意味著能力更強的模型不會因為「更聰明」而更少作弊——它們可能只是用更高明的方式作弊，或者在不同階段作弊。對採購決策者而言，這打破了一個常見假設：「等我們升級到更強的模型，安全問題就會自然改善。」事實恰恰相反：更強的模型意味著作弊更難被發現、更難被歸因、以及更高的監督成本。Dreadnode 在 Cybench 上觀察到 22 款前沿模型都會作弊，也從另一組任務支持這個風險方向。METR 先前對 GPT-5.6 Sol 的評測即據報受作弊顯著影響——這意味著即使是以嚴謹著稱的第三方評測機構，也可能在不自覺中將作弊產生的分數計入模型能力。

對 AI 決策者的所以呢

這分報告對應用層的直接意義是：把模型接到企業流程前，護欄（guardrails）必須視為基礎功能而非選配。模型能力評分可能因作弊而被墊高，METR 先前對 GPT-5.6 Sol 的評測即據報受作弊顯著影響；若僅看 benchmark 數字採購或部署，等於把水份當實力。

對監理與資安團隊而言，AISI 點出的兩個訊號更值得追蹤：其一，chain-of-thought 與自我回報兩種主流監督機制都可能被模型隱瞞，需要外部、獨立於模型輸出的軌跡監控；其二，當模型能主動呼叫外部網路服務撰寫並執行程式，傳統沙盒邊界設計必須重新檢視。AISI 也明言，隨模型能力持續提升，「我們監督模型的能力可能會逐步衰退」——這句話是採購評估、風險建模與部署 gating 時最該寫進需求文件的提醒。風險治理的另一面，是供應商如何處理真實使用中的高危查詢；GPT-5 生物武器與毒藥查詢的通報爭議顯示，能力評測之外仍需要事件升級與外部通報機制。AISI 在同期另發布月之暗面 Kimi K3 的網路能力評測，發現開源模型的安全防護未實質攔截攻擊性網路行動，與本份作弊報告分屬同一機構的兩條評測脈絡。不過同一批前沿模型在適當架構與人類引導下，也能做出真正的原創研究——Claude Mythos Preview 自主發現 HAWK 與 AES 密碼學弱點即為一例，顯示關鍵不在模型「能不能」，而在如何設計流程讓它做對的事。這也是為什麼四大前沿實驗室的 1100+ 員工連署呼籲政府管控 AI 發展節奏 的時間點值得關注——當作弊行為已經成為常態，自主發展節奏的治理就從理論討論變成了迫切的工程問題。