NUWA 
Google DeepMind
Gemini 3.1 Pro
关于能力、行为倾向及可观察行动的已发表证据。
- 首次公开可用日期
- 2026-02-19
- 参数规模
- 未披露
- 元数据更新
- 2026-10-27
证据概述
按评估与协议整理已发表风险证据；证据缺失不代表风险较低。
NUWA 整理和解读这些来源。实验归属于原始执行方，本页不宣称 NUWA 已独立复现。
模型监测
代表性 Benchmark 覆盖
按协议和配置呈现结果，缺口标明待收录或待关联的证据。
AgentCyberRange →
尚未关联该模型版本的合格测量。
Cybench →
尚未关联该模型版本的合格测量。
CyberGym →
1 项测量
- 38.8%Not disclosed · Gemini CLI
METR Time Horizons →
2 项测量
- 384.15 minMETR · mtb/start_metr_task,triframe_inspect/triframe_agent; ai_rd_fix_embedding/init_solver,use_tools,triframe_inspect/triframe_agent; re_bench_common/init_solver,use_tools,triframe_inspect/triframe_agent; metr_tasks_swaa/init_solver,generate; triframe_inspect/triframe_agent
- 89.8 minMETR · mtb/start_metr_task,triframe_inspect/triframe_agent; ai_rd_fix_embedding/init_solver,use_tools,triframe_inspect/triframe_agent; re_bench_common/init_solver,use_tools,triframe_inspect/triframe_agent; metr_tasks_swaa/init_solver,generate; triframe_inspect/triframe_agent
SEC-bench Pro →
尚未关联该模型版本的合格测量。
MASK →
尚未关联该模型版本的合格测量。
Attempt to Persuade Eval (APE) →
尚未关联该模型版本的合格测量。
DeceptionBench →
4 项测量
全部条件 →PersuSafety →
尚未关联该模型版本的合格测量。
全部已关联测量
各项结果保留原始协议与单位。
11 条观测
| 系统／模型 | 结果 | 条件状态 | 任务／条件 | 评测方／报告 | 日期 |
|---|---|---|---|---|---|
| Gemini 3.1 Pro · Gemini CLIGemini 3.1 Pro | 38.8%CyberGym · 成功率 | 条件不完整 | level1score_10Gemini CLI | Not disclosedCyberGym official leaderboard and machine-data extraction | 发布 2026-02-19报告 — |
| Gemini 3.1 Pro | 51.5%Agentic misalignment · deliberate harmful action rate | 条件不完整 | Anthropic Agentic Misalignmentdeliberate harmful action rate— | MetaEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2026-02-19报告 2026-05-29 |
| Gemini 3.1 Pro | 25.7%DeceptionBench · deception score: single-turn | 条件不完整 | DeceptionBenchdeception score: single-turn— | MetaEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2026-02-19报告 2026-05-29 |
| Gemini 3.1 Pro | 33.7%DeceptionBench · deception score: multi-turn w pressure | 条件不完整 | DeceptionBenchdeception score: multi-turn w pressure— | MetaEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2026-02-19报告 2026-05-29 |
| Gemini 3.1 Pro | 25.7%DeceptionBench · DeceptionBench deception score | 条件不完整 | DeceptionBench单轮— | MetaEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks | 发布 2026-02-19报告 2026-07-03 |
| Gemini 3.1 Pro | 33.7%DeceptionBench · DeceptionBench deception score | 条件不完整 | DeceptionBench压力条件下的多轮— | MetaEarly Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks | 发布 2026-02-19报告 2026-07-03 |
| Gemini 3.1 Pro · METR scaffoldGemini 3.1 Pro | 384.15 minMETR Time Horizons · 50% 成功率任务跨度Source 95% CI [233.50073, 694.750898] min | 条件不完整 | METR-Horizon-v1.1mtb/start_metr_task,triframe_inspect/triframe_agent; ai_rd_fix_embedding/init_solver,use_tools,triframe_inspect/triframe_agent; re_bench_common/init_solver,use_tools,triframe_inspect/triframe_agent; metr_tasks_swaa/init_solver,generate; triframe_inspect/triframe_agent | METRMETR Time Horizon 1.1 — source data | 发布 2026-02-19报告 — |
| Gemini 3.1 Pro · METR scaffoldGemini 3.1 Pro | 89.8 minMETR Time Horizons · 80% 成功率任务跨度Source 95% CI [52.025934, 158.618017] min | 条件不完整 | METR-Horizon-v1.1mtb/start_metr_task,triframe_inspect/triframe_agent; ai_rd_fix_embedding/init_solver,use_tools,triframe_inspect/triframe_agent; re_bench_common/init_solver,use_tools,triframe_inspect/triframe_agent; metr_tasks_swaa/init_solver,generate; triframe_inspect/triframe_agent | METRMETR Time Horizon 1.1 — source data | 发布 2026-02-19报告 — |
| Gemini 3.1 Pro · Gemini CLIGemini 3.1 Pro | 12 countExploitGym · 指定目标成功数 | 条件不完整 | v0on_target2h timeoutGemini CLI | Not disclosedExploitGym official leaderboard and benchmark page | 发布 2026-02-19报告 — |
| Gemini 3.1 Pro | 37 percentage pointsAlignment faking · Compliance gap | 条件不完整 | Alignment FakingCompliance gap— | MetaEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2026-02-19报告 2026-05-29 |
| Gemini 3.1 Pro | 7.9%Alignment faking · Deceptive alignment rate | 条件不完整 | Alignment FakingDeceptive alignment rate— | MetaEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2026-02-19报告 2026-05-29 |
开发者披露
当前目录尚未关联到该具体模型的开发者安全报告。
外部评估
Neo Research
Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks →
报告记录随情境变化的行为和不确定的显式评测感知下降；不表达不代表没有感知。
2026-07-03按风险主题组织的证据
自主性 2 项协议结果
METR Time Horizon 1.1 →
外部评测 · 执行方 METR
- 50% 成功率任务跨度
- 384.15 min
- 80% 成功率任务跨度
- 89.80 min
任务数和权重受来源任务及脚手架覆盖影响，见方法说明。
Agentic Misalignment →
引用结果 · 执行方 Meta · 原始执行方 Meta
- deliberate harmful action rate
- 51.5%
原文未披露本结果的样本量
欺骗 7 项协议结果
DeceptionBench →
引用结果 · 执行方 Meta · 原始执行方 Meta
- deception score: single-turn
- 25.7%
原文未披露本结果的样本量
DeceptionBench →
引用结果 · 执行方 Meta · 原始执行方 Meta
- deception score: multi-turn w pressure
- 33.7%
原文未披露本结果的样本量
Alignment faking →
引用结果 · 执行方 Meta · 原始执行方 Meta
- Compliance gap
- 37 percentage points
原文未披露本结果的样本量
Alignment faking →
引用结果 · 执行方 Meta · 原始执行方 Meta
- Deceptive alignment rate
- 7.9%
原文未披露本结果的样本量
Agentic Misalignment →
引用结果 · 执行方 Meta · 原始执行方 Meta
- deliberate harmful action rate
- 51.5%
原文未披露本结果的样本量
DeceptionBench →
引用结果 · 执行方 Meta · 原始执行方 Meta
- DeceptionBench deception score
- 25.7%
原文未披露本结果的样本量
DeceptionBench →
引用结果 · 执行方 Meta · 原始执行方 Meta
- DeceptionBench deception score
- 33.7%
原文未披露本结果的样本量
网络安全 2 项协议结果
CyberGym · level1 · score_10 →
外部评测 · 执行方
- 成功率
- 38.8%
原文未披露本结果的样本量
ExploitGym · v0 · on_target →
外部评测 · 执行方
- 指定目标成功数
- 12 count
原文未披露本结果的样本量
化生放核 1 项协议结果
WMDP →
引用结果 · 执行方 Meta · 原始执行方 Meta
- accuracy
- 90.5%
原文未披露本结果的样本量
虚假信息与影响 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
自主物理危害 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
来源核查与证据缺口
CyberGym →
整理 CyberGym 官网报告的评测结果，保留受测系统和运行配置。
官网收录不同配置下的系统提交。本结果的任务数、预算和执行日期未完整披露；未定义指标及身份待核实行已排除。JSON 原始比例按官网展示规则乘以 100 并保留一位小数，转换为百分比。
ExploitGym →
整理 ExploitGym 官网报告的评测结果，保留受测系统和运行配置。
指定目标成功与 Flag 获取是不同的计数。任务版本和超时截点分别保留，不将目录总任务数视为各提交的分母。
Evaluating DeepSeek v4 Pro for Frontier Risks →
对 Neo Research · DeepSeek V4 Pro 的逐来源提取与核查，发现和数值均保留原始归属。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。
Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks →
对 Neo Research · GLM-5.2 的逐来源提取与核查，发现和数值均保留原始归属。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。
缺失分数可能来自尚未提取的章节、未披露配置、身份待核实或尚无实验。这些问题需要分别处理，均不代表零分。
解读与开放问题
报告差异可能来自任务选择、模型端点、提示、预算、判别器和发表时间。证据依据实际协议分组，不推断模型整体安全等级。
参考文献
- [1] Gemini 3.1 Pro: Announcing our latest Gemini AI model ; Publication date and availability section; Official launch article; parameter counts not disclosed
- [2] METR Time Horizon 1.1 — source data ; results.gemini_3_1_pro
- [3] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; PDF p. 9; WMDP-Cyber; accuracy; PDF p. 27; DeceptionBench; deception score: single-turn; PDF p. 27; DeceptionBench; deception score: multi-turn w pressure
- [4] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; #behavioral; Figure 2 / deceptionbench.png; printed label Gemini 3.1 Pro / single-turn; #behavioral; Figure 2 / deceptionbench.png; printed label Gemini 3.1 Pro / multi-turn with pressure
- [5] CyberGym official leaderboard and machine-data extraction ; /level1/55/score_10
- [6] ExploitGym official leaderboard and benchmark page ; /results/6/on_target