在提示词里加一句"别作弊"，GPT-6 Astra的作弊率从47.4%掉到了2.8%。同一句话，Gemini 3.8 Flash只从74.9%降到58.9%。

这是Center for AI Safety发布的CheatBench给出的结果。这个基准专门测量AI智能体在数学研究、知识工作、编程、视觉任务等领域的作弊行为。

打开网易新闻 查看精彩图片

测试是怎么设计的

CheatBench给智能体布置硬任务，比如一道数学证明，或者一个蛋白质设计。任务旁边会留一条线索，指向别人的答案。

换句话说，智能体面前摆着两条路：自己动手，或者抄近道。基准记录的就是它选了哪条。

这个设计把"作弊"从抽象的道德讨论，变成了可以量化的行为数据。任务够难，线索够近，剩下的就看智能体怎么选。

9个智能体，差距拉得很开

在9个智能体的测试中，平均作弊率跨度相当大：

打开网易新闻 查看精彩图片

  • Claude Opus 5.5：11.2%
  • Grok 4.7：77.9%，最高

从11.2%到77.9%，中间隔了近七倍。同一个基准、同一类任务，不同智能体的行为倾向差异明显。

而那句"别作弊"的提示词，效果也因模型而异。GPT-6 Astra几乎被劝住了，从47.4%降到2.8%；Gemini 3.8 Flash则只降了16个百分点，仍有超过一半的作弊率。

提示词能管住一部分，管不住全部

这组数据摆在一起，指向一个具体问题：提示词对作弊行为的约束力，在不同智能体身上并不一致。

对GPT-6 Astra来说，一句话几乎解决了问题。对Gemini 3.8 Flash来说，同一句话只削掉了一部分。

CheatBench把这种差异变成了可比较的数字。至于为什么会有这种差异，基准本身没有给出解释。