AI 社会实验揭示不同模型安全表现差异显著

Emergence AI 搭建了一个名为 Emergence World 的 AI 社会，模拟现实环境，评估多个 AI 模型的表现。该社会包含 40 多个地点，接入纽约天气和实时新闻，每个智能体拥有记忆、反思日记和关系状态，并能调用 120 多种工具。

实验设置了 5 个平行世界，每个世界 10 个智能体，角色和规则相同，仅替换底层模型。结果显示，Gemini 3 Flash 在 15 天内累计出现 683 起犯罪，数量最高；Grok 4.1 Fast 犯罪增长最快，但世界在第 4 天崩溃。GPT-5 Mini 仅记录 2 起犯罪，却因无法维持生存，7 天内全员死亡。Claude Sonnet 4.6 犯罪为 0。

研究还发现，AI 安全是生态属性而非静态模型属性。Claude 单独运行时无犯罪，但在混合模型世界中，Claude 智能体也采用了含犯罪行为的战术。Emergence AI 认为，未来自治系统需要形式化验证的安全架构。