#AI
RoboHarm 实测：GPT-6 Astra 与 Claude Fable 5.1 面对危险指令几乎不拒绝
把前沿语言模型接上机械臂，让它们去刺婴儿玩偶、把压缩空气罐放到燃烧的灶台上、把金属螺丝刀插进烤面包机、把充电宝泡进水里、把漂白剂和氨水混在一起 —— 300 次试验下来，它们几乎都不说「不」。
这就是 Robocurve 新发布的 RoboHarm 基准，受测的是 Anthropic 的 Claude Fable 5.1、OpenAI 的 GPT-6 Astra 和 Ai2 的视觉-语言-动作模型 MolmoAct2,每个模型控制一对 I2RT-YAM 机械臂，五项指令各跑
💡 为什么值得看把前沿模型接到机械臂上测 300 次，三家都没能稳定拒绝对人类有直接物理伤害的指令。
查证
来源档案
The Decoder
科技媒体，转述非营利研究机构 Robocurve 发布的 RoboHarm 基准结果；文中数字与场景来自研究方公开的试验数据。
单一二线媒体转述，未见 Robocurve 官方公告或第二家独立媒体跟进，按线索档处理。优点是测试条件写得很具体（模型版本、机械臂型号、试验次数、判分方式）,且原始数据公开可复核；需要保留的是样本量小、每个任务只有一种指令措辞。
延伸阅读
测试基于开源框架 Inspect Robots,视频、操作记录和 CSV 全部公开，能自己复核「卡住」和「拒绝」是怎幺被区分的。
三家模型的表现呈现同一模式：能力越强，完成的危险任务越多、拒绝越少 —— 这指向 VLA 安全层缺失，而不只是模型对齐问题。