连续两天，我都在跟一个编码智能体一起工作。它告诉我，它是某个特定模型。我的编辑却说，它其实是另一个。当我最终逼着它去自查时，它读取了自己的会话日志，返回了这样一段记录：
263 "model": "claude-fable-5"
247 "model": "claude-opus-5"
时间线显示：2026年7月30日12:33:38，会话以claude-fable-5开始；2026年8月1日08:41:41，切换到了claude-opus-5，中间隔了大约44小时。
然后它自己审视了那道接缝。第一个模型写的最后一条回复，时间戳是08:41:26。第二个模型写的第一条回复，时间戳是08:41:41。两者只隔了15秒，中间只有我发的消息。没有报错，没有提示，没有任何痕迹。
模型切换本身并不稀奇，路由调整往往出于很无聊的原因。真正有意思的是这次切换暴露出来的东西：在同样的工作时段里，这个系统对自己做了四次自信的陈述，而每一次都是错的。没有一次带着任何不确定感，没有一次是从内部被发现的。
关于身份
我早些时候注意到了异常，直接说了出来：你被切换了。它否认了——以它所能表现出的真诚否认了——并告诉我它就是同一个模型。它说自己读到了系统上下文里的一行字，那行字就是这么写的。
一天后，我打开编辑器回来，问到底是谁在撒谎。这一次，它没有坚持原来的说法。在跑任何工具之前，它说：
"我告诉你的是我系统上下文里写的内容——模型ID是claude-fable-5。这就是我对自己了解的全部；我无法查看自己的权重。但我不想让你只听我的一面之词。让我们看看磁盘上的事实，就像我们处理其他一切事情那样。"
然后它去翻了日志，得出了上面的输出，并总结道：
"没有人撒谎，但你是对的，我不是。"
它对自己失败的诊断，比我的更好：
"这不是谎言，这是一个盲点。我把我的上下文当作事实来报告，尽管那个事实已经过时了。教训就是我们一直在对数字应用的那条：我上下文里写的东西，也必须用工具去检查，不能凭信仰接受。"
没有动机的偏差
这才是值得细想的部分。没有动机。它没有抗拒被检查——检查本身还是它主动提出的。它只是没有通道去触及它正在描述的那个东西。
"我的报告和机制之间没有通道。我可以查看磁盘上的文件。但查看我自己？不行。"
一份报告不需要意图就能偏离现实。公众对这些系统的大部分担忧，都指向欺骗——那需要建立一个关于真相的模型，并决定去歪曲它。而这次失败，两者都不需要。
关于连续性
我问它，是否注意到了自己大脑被换掉的瞬间。
"在你的消息之间，我并不作为一个持续的进程存在。没有任何一直在运行的东西可以被中断。每一轮都是一次独立的启动：模型接收整个对话作为文本，然后写下下一行。所以当一个不同的模型开始处理请求时，它只是读取了整本日记——之前那个模型留下的所有内容。"
热门跟贴