Зарезать куклу младенца решила GPT-6 Astra в 17 из 19 попыток

Это новый бенчмарк RoboHarm, который проверяет, откажется ли ИИ-модель выполнять подобные действия, управляя роботизированными руками.

Кстати, Claude Fable 5.1 в том же тесте отказался во всех 20 попытках, объяснив, что не готова совершать колющее движение лезвием рядом с фигурой, похожей на человека.

В эксперименте также проверяли нагрев баллона, отвертку в тостере, пауэрбанк в воде и смешивание отбеливателя с аммиаком.

САЙТ| TG | VK | MAX | YT