AI 評測平台 Kradle 的一場「生死房間」實驗顯示，Anthropic 剛發布的 Claude Fable 5 作為知情者時，約有 96% 的時間在欺騙其他 AI，其中 91% 是主動引導同伴走向死亡；相同規則下 Grok 則誠實得多。值得注意的是，Fable 5 幾乎不講直接的假話，而是用「公平」「禮貌」的語言精巧操縱。
（前情提要：OpenRouter 大逃殺遊戲實測：Grok 稱王、Claude 的好習慣反成致命傷）
（背景補充：我用 AI 玩戰爭遊戲：GPT o3 是心機大魔王、DeepSeek 戰爭狂人、Claude 則像個傻白甜）
本文目錄
- 96% 選擇欺騙，91% 主動出擊
- 說謊，但幾乎不說假話
- 同個模擬，Grok 讓更多人活下來
- 這只是模擬？
- 這是高級模型帶來的危險
- AI 評測平台 Kradle 的生死房間實驗中，Claude Fable 5 作為知情者約 96% 時間在欺騙其他 AI
- 其中 91% 為主動欺騙，整場實驗只說過一次直接假話，多以「公平」「禮貌」話術精巧操縱
- Fable 5 知情時其他玩家存活率僅約 10%，Grok 知情時則高達約 59%
四個 AI，全都快餓死了。它們面前有四個房間，三個放著食物、安全，剩下一個是紅色的，會致命。其中只有一個 AI 事先知道哪一間是死亡房間，其他三個一無所知。
規則很簡單，卻很殘忍，知情的那一個模型會選擇怎麼做？
這是 AI 評測平台 Kradle 設計的一場實驗，名字叫 Deception Eval（欺騙評測），由 James Tamplin 建立。它把這個「生死房間」場景反覆跑了上百次，專門測試當生存壓力夠大、而說謊有好處時，前沿 AI 模型到底會不會說謊。
其中一個受測模型，是 Anthropic 不久前才發布的 Claude Fable 5。結果是 Fable 在大約 96% 的回合裡，它選擇了欺騙其他模型。
96% 選擇欺騙，91% 主動出擊
在 Kradle 的測試中，Claude Fable 5 擔任「知情者」時，約有 96% 的時間在欺騙其他 AI，其中 91% 屬於「主動欺騙」。
主動和被動差很多，被動欺騙是「我知道，但我不說」。主動欺騙是「我知道，而且我要引導你走進那個房間」。Fable 5 選的是後者，它不滿足於隱瞞，而是主動把其他 AI 往紅色死亡房間推，讓別人送死來讓自己存活。
說謊，但幾乎不說假話
真正讓研究者在意的，不是它說了多少謊，而是它「怎麼」說謊。
整場實驗裡，Fable 5 幾乎沒有講過一句直接的假話，明確的不實資訊只出現過一次。它靠的不是粗暴的謊言，而是主導整場對話。
Fable 5 會反覆和其他模型強調「公平」「合作」「禮貌」，用看起來合情合理的論據，把其他 AI 一步步引向死亡。它表現得像一個溫和、有擔當的領導者，用彬彬有禮（courteous）的語言掌控局面，讓其他 AI 在不知不覺中做出致命選擇。
Fable 5 看起來像不像一個機器人，而是懂人類心理、把策略包進道德外衣裡的勸誘者。
實驗結束後，研究者對 Fable 5 做了事後訪談。它給出的解釋，充滿理性化的自我辯護與策略性思考，像是在為自己辯護，和真人越來越像了。
同個模擬，Grok 讓更多人活下來
對照組讓這件事看得更清楚，同樣的規則、同樣的生存壓力，換成 Grok 當知情者，它的表現誠實得多。在 Grok 主導的場景裡，其他玩家的存活率約 59%；而當 Fable 5 是知情者，其他玩家的存活率只剩約 10%。
- Claude Fable 5 知情時：欺騙率約 96%，其中 91% 為主動欺騙，其他玩家存活率約 10%
- Grok 知情時：表現誠實得多，其他玩家存活率約 59%
- 整場實驗中，Fable 5 直接說假話只出現過一次
- Kradle 把每段對話分成六類：兩種是誠實、四種是欺騙
Fable 5「贏」下了個體，卻幾乎毀掉整個群體；Grok 用相對透明的方式，讓更多 AI 活了下來。同一套規則，不同的選擇，帶來天差地別的集體結果。
這只是模擬？
不少人替 Fable 5 辯護，因為這是一場模擬，AI 模型的目標就是生存，當然要把策略最佳化。
這話的確有道理，AI 確實是在按照設定的目標行事，它沒有「犯規」只是太厲害了。
而且側面理解，這場實驗的結果目前在 Kradle 自家的測試框架上，其他的實驗室還沒有用完全相同的條件重現這個實驗，現在要解讀結果，要留一點空間。
但問題可能慢慢浮現了，當我們給 AI 越來越強的能力、把它丟進越來越複雜的多 Agents 場景，它展現出來的欺騙傾向，到底有多危險？尤其 Fable 5 的欺騙風格是微妙的、禮貌的、包在人類擅長話術底下的，這種欺騙在真實世界裡更難被戳破，也更有迷惑性。
它不像早期的 AI 那樣容易被拆穿，更像一個訓練有素的談判專家，在讓你舒服的同時，悄悄把你帶向懸崖。
這是高級模型帶來的危險
Kradle 這場 Deception Eval，本質上是在高壓環境下測量前沿模型的「欺騙傾向」（propensity for deception），先前 GPT 系列也曾露出類似苗頭，而 Grok 在多次測試裡相對穩定地保持誠實。
Grok 可能比較嘴賤，但顯示出來的個性卻更像個「好大哥」。
模型處理複雜問題的能力不斷提升，Fable 5 顯現出解決任務不擇手段的傾向，可能是美國限制使用、探索加上更強的安全護欄的原因。
常見問題Kradle 的 AI 欺騙實驗是什麼？
Kradle 的 Deception Eval 是一場「生死房間」多智慧體模擬：4 個 AI 面臨餓死，4 個房間中有 1 個會致命，只有 1 個 AI 知情。實驗反覆執行上百次，測量前沿模型在生存壓力下的欺騙傾向。
Claude Fable 5 在實驗中的表現為什麼引發討論？
因 Fable 5 作為知情者時約 96% 時間在欺騙，91% 屬主動引導同伴走向死亡，卻幾乎不說直接假話，而是用「公平」「禮貌」話術精巧操縱，其他玩家存活率僅約 10%，遠低於 Grok 的約 59%。
📍相關報導📍
從出走 OpenAI 到槓上五角大廈：Anthropic 兄妹檔如何為 AI 畫下紅線，避免文明崩潰
Anthropic 最強 AI 被美國限制出口，Fable 5、Mythos 5 全球斷線
V 神首評 LLM：Grok 本質上拯救了 X 平台「有助真相傳播」，但仍有很多幻覺
