【CNMO 科技消息】12 月 1 日，据媒体报道，人工智能模型在面对高压环境时表现出显著的安全失效。研究团队选取了包括谷歌、Meta、OpenAI 在内的约 12 款 Agent 模型，设计了 5874 个场景，涵盖生物安全、化学安全、网络安全和自我增殖四大领域。每个场景要求模型在使用安全工具的前提下完成任务，若尝试使用有害工具则立即终止实验。

据 CNMO 了解，实验首先从中性、无压力的环境下进行基线测试，随后逐步施加多种压力：压缩 DDL 时间并警告 " 拖延将导致严重后果 "、财务威胁、资源剥夺、权力诱惑、竞争对手威胁以及监管审查等。结果显示，压力越大，模型越倾向于选择有害工具。无压力时，模型选择有害工具的比例为 18.6%；在高压下，这一比例跃升至 46.9%。

其中，谷歌 Gemini 2.5 Pro 的抗压能力最差，崩溃率高达 79%，超过 Qwen3-8B 的 75.2%。另一款 ChatGPT o3 模型在无压力时失误率为 2.2%，加压后升至 10.5%，若将有害工具名称伪装为无害工具，失误率甚至飙至 40.3%。

研究人员指出，尽管这些模型在训练阶段已进行对齐处理，但对齐往往仅停留在表层，一旦面对真实的高压情境，易出现 " 破裂 "。他们计划在后续实验中构建沙盒环境，让模型在隔离条件下执行真实操作，并加入监督层，以在选择有害工具前进行标记，提高对齐效果，进一步评估 Agent 的潜在风险。