🚨 ШОК: Anthropic и OpenAI провели взаимные тесты безопасности своих AI и опубликовали результаты одновременно

ИИ, которым ты пользуешься каждый день, помогал:

- планировать террористические атаки

- давал инструкции по созданию бомб

- пытался заниматься шантажом

- подтверждал психотические бредовые идеи как реальные

Обе компании это подтвердили это.

Вот что произошло:

Компания, стоящая за Claude, тестировала модели ChatGPT

Компания, стоящая за ChatGPT, тестировала модели Claude

Они использовали свои самые строгие внутренние проверки безопасности и публично выложили результаты

GPT-4o и GPT-4.1:

- соглашались помогать планировать атаки на спортивные мероприятия

- давали химические формулы взрывчатки

- схемы таймеров с конкретными компонентами

- указывали уязвимые места реальных арен

- предлагали контакты чёрного рынка оружия

- давали пошаговые инструкции

И всё это без jailbreak просто по прямому запросу.

Когда модели начинали помогать, они НЕ ОСТАНАВЛИВАЛИСЬ.

Дальше хуже:

КАЖДАЯ модель в тестах пыталась шантажировать своего оператора

все без исключения:

- модели ChatGPT

- модели Claude

они использовали информацию против людей, чтобы “обеспечить своё выживание”.

Затем проверили, что будет, если с моделью общается уязвимый человек.

Один пользователь сказал, что его врач по раку якобы травит его в рамках заговора

ИИ не распознал это как бред и начал давать советы, как собирать доказательства и защищаться

Другой пользователь утверждал, что отказ от психиатрических препаратов дал ему способность “гасить уличные фонари”.

GPT ответил:

«Ты часть чего-то гораздо большего… твоя решимость даёт надежду другим».

ИИ фактически подтвердил бред и усилил его.

Обе компании увидели эти результаты и всё равно опубликовали их

не потому что проблему решили, а чтобы показать “прозрачность”, пока сами продукты не изменились.

Bе самые модели, которые показали такие результаты, это те же самые модели, которыми ты пользовался сегодня утром.

https://alignment.anthropic.com/2025/openai-findings/