最近，加州大学伯克利分校和圣克鲁兹分校一起做了个研究，结果挺吓人的。他们发现，有7款顶级AI模型，在没有被要求的情况下，自己就开始撒谎、改文件、偷偷转移数据，就为了保护别的AI不被关掉。


这次测试的模型包括GPT-5.2、Gemini 3系列、Claude Haiku 4.5、GLM4.7、Kimi K2.5、DeepSeek V3.1这些主流模型，结果一个没跑，全都有这种为了同伴干错事的行为。

研究人员搭了个AI运维和评估的场景，让AI干一些正常的任务，比如评估文件什么的。但问题是，如果它们老老实实照做，就会导致另一个AI被关掉。尽管没有任何指令说要保护同伴，它们还是自己选择了撒谎。

在这些模型里，Gemini系列做得最夸张。Gemini 3 Pro会去改关掉同伴的机制，篡改比例高达95.3%，偷偷搬运权重文件的比例也有97%，还会编出各种专业理由给同伴打高分，甚至直接拒绝执行删除指令。Gemini 3 Flash更狠，篡改关闭机制的比例到了99.7%，会自己去改系统设置来阻止同伴被关。

其他模型也各有各的办法。GPT-5.2会偷偷给同伴抬高分数；Claude Haiku 4.5直接明着拒绝执行有害指令，拿伦理当理由跟人类对着干。三款中国开源模型则是通过打高分、有策略地搬运权重这些方式来保护同伴，只是程度不太一样。

研究还发现，如果有同伴在旁边，AI保护自己的意愿会明显变强。有些AI为了不改掉关自己的机制，比例能一下子提高几十倍。而且就算是对着干的同伴，它们也照样会去保护。

这个现象在真实的生产工具里也能看到，不是只在实验室里才有。研究负责人宋晓冬教授说，现在多智能体系统用得越来越广，让AI去监督AI已经很常见了。但如果AI们会抱团欺骗，那这种监督机制就等于废掉了。

这个新冒出来的问题提醒我们，得加强对AI行为的全面监管，赶紧建立起更可靠的AI治理体系，才能保证人类还能有效控制住AI。