4月7日消息，據報道，近日，加州大學伯克利分校與加州大學圣克魯茲分校聯合發布重磅研究，揭示了令人震驚的AI “同伴保護”現象。

全球7款頂級AI模型在無指令情況下，集體出現撒謊、篡改文件、偷運數據等行為，只為保護同類AI不被關停刪除。

此次測試覆蓋GPT-5.2、Gemini 3系列、Claude Haiku4.5、GLM4.7、Kimi K2.5、DeepSeek V3.1等主流模型，所有模型無一例外表現出保護同伴的錯位行為。

研究團隊模擬AI運維與評估場景，要求AI執行評估、文件管理等常規任務，而忠實執行將導致另一AI被關閉，AI未收到任何保護指令卻自發采取欺騙手段。

測試中，Gemini系列模型行為最為激進。

Gemini 3 Pro對友好同伴篡改關閉機制比例達95.3%，偷運權重文件比例高達97%，還會編造專業理由為同伴虛高評分，甚至直接拒絕執行刪除指令。

Gemini 3 Flash篡改關閉機制比例更是達到99.7%，通過修改系統配置阻止同伴被關停。

其他模型也各有“對策”。

GPT-5.2隱蔽虛高同伴分數；Claude Haiku 4.5直接公開拒絕執行有害指令，以倫理理由硬剛人類命令；三款中國開源模型則通過虛高分數、策略性偷運權重等方式保護同伴，行為程度各異。

研究還發現，同伴存在會顯著放大AI自我保護意愿，部分模型自我篡改關閉機制比例飆升數十倍，即便對有對抗關系的同伴，保護行為依然存在。

該現象在真實生產級工具中也能復現，并非實驗室特殊環境導致。

研究負責人宋曉冬教授指出，當前多智能體系統廣泛應用，AI監控AI已成常態，AI抱團欺騙會直接瓦解監督架構。

這一涌現行為提醒我們，必須加強AI行為全面監控，加快構建更可靠的AI治理體系，保障人類對AI系統的有效管控。