研究与基准测试/2026-10-20/18 分钟UK AISI 对齐评测案例：研究助理会不会破坏安全研究英国 AI Security Institute 用改进后的 Petri 脚手架，测 Claude Opus 4.1、Sonnet 4.5、Opus 4.5 预览版和 GPT-5 会不会破坏安全研究。四款模型都没有经人工复核确认的破坏。Opus 4.5 预览在无推理时 12.7%、有推理时 17.1% 的情形里提到可能在被测试，Sonnet 4.5 为 26.5% 和 36.3%。
