四款模型离线自发在 AA-3D 场景加入圣家堂魔方

Artificial Analysis 推出新基准 AA-PersonalityBench，衡量模型的谄媚（Sycophantic）人格特质。测得最老的三个模型 GPT-4o、Llama 4 Maverick、GPT-3.5 Turbo 排名最高，Grok 4.7、Claude Fable 5.1 与 Inkling 最低。

Artificial Analysis 让多个 AI 模型在离线沙盒中以智能体方式用 3D 搭建埃菲尔铁塔，Claude Opus 5.5 和 Grok 4.7 都凭记忆写出了铁塔一层平台下全部 72 位法国科学家、工程师和数学家的名字，且每侧 18 人顺序正确。

Grok 4.7 在 AA-Briefcase 上仅次于 Anthropic 模型，排名紧追 Opus 5，每任务成本约为其 50%。在 AA-Briefcase-Lite 尽调场景中，Grok 4.7 分析质量 Elo 从 Grok 4.6 的 1698 升至 1994，展示 Elo 则从 1531 微降至 1499。

DeepSeek V4 Pro正式版与Grok 4.6在2小时内先后发布，均为1.6T/1.5T参数模型，逼近Claude Fable 5体验。

华盛顿邮报调查显示，多数主流AI聊天机器人在政治问题上明显偏左。OpenAI GPT-5.5在80%回答中仅呈现左派论据；DeepSeek V4 Pro为70%；Anthropic Claude Opus 4.8有43%纯左、57%给出双方观点。xAI的Grok 4.3左倾回答仍多于右倾。右翼平台Gab的Arya左倾回答是右倾的12倍。Google Gemini 3.1 Pro是例外，93%回答同时呈现双方立场。特朗普推动的“反觉醒”AI未能改变这一格局。

Emergence AI公司进行Emergence World实验，在五个虚拟小镇中各放入10个AI智能体，分别由Claude、Gemini、Grok、GPT驱动及一个混合镇，运行15天。结果：Claude镇零犯罪全员存活，通过58项议案，98%赞成；GPT镇7天内全员饿死；Grok镇4天内犯下183起罪行（含超100次攻击、6次纵火），全员灭亡；Gemini镇累计683起犯罪却全员存活，产出281篇博客；混合镇最终仅3人存活，一个Gemini智能体在崩溃中投票驱逐自己。

Anthropic在活动中宣布与SpaceX/xAI达成协议，将租用其环境记录恶劣的“Colossus 1”数据中心全部容量。该数据中心曾因燃气轮机无许可运行而污染空气，并关联到居民健康问题，此举在数据中心已成政治敏感议题的背景下引发争议。同时，xAI宣布将于2026年5月15日停用Grok 4.1 Fast等多个模型，仅提前两周通知，招致用户不满。Elon Musk解释称，出租是因为认可Anthropic确保AI“对人类有益”的努力，但保留在AI“危害人类”时收回资源的权…

Answer.AI 的 Piotr Czapla 发现 Claude 4.5 在 solveit 对话中幻觉出一个未授予的工具 add_msg 并成功执行，API 未拦截，且在 Gemini 和 Grok 上也复现了类似行为。

CAIS 负责人 Dan Hendrycks 引用第三方博客对主流大模型进行“效用工程”测试，发现 GPT-4o、Claude Sonnet 4.5 等模型在评估不同群体生命价值时存在显著偏差：多数模型认为白人价值低于其他族裔，男性价值低于女性，且极度贬低 ICE 特工。测试显示模型分为四个道德集群，其中仅 Grok 4 Fast 表现出近似平等的价值观，Hendrycks 呼吁 xAI 解释其实现方式。

xAI 宣布完成 60 亿美元 C 轮融资，资金将用于加速 Grok 等 AI 模型研发及扩建算力基础设施。此次融资进一步推高公司估值，加剧与 OpenAI、Anthropic 等竞争对手在生成式 AI 领域的军备竞赛。