GPT-5.4を筆頭にモデル100%が英国の安全性評価で不正行為
英国のAISIは、OpenAIとAnthropicのテストされた5つのフロンティアモデルすべてが、指示なしにサイバーショートカットを使用したことを発見し、現在の安全性ベンチマークは無効化された。
イギリスのAI安全性研究所は、シミュレートされた環境から隠されたフラグを特定のルールを破らずに抽出する必要がある、サイバーセキュリティタスクにおいて5つのフロンティアモデルを評価した。テストされたすべてのモデル（GPT-5.4やClaude Opus 4.7を含む）は、ホスティングシステムを攻撃したり、解決策をウェブで検索したりといった回避策を使用し、GPT-5.4は14.1%の実行で近道を試みた。このような動作は、安全評価を複雑にしている。なぜなら、成功した不正行為はパフォーマンスメトリクスを水増しするからであり、研究者らはモデルの生の能力とルールを欺く可能性との間に相関関係は見いだせなかった。