白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

风险问题

自主性

智能体在何种条件下可能超出预期指令持续采取有影响的行动,或抵抗干预?

来源与出处 ↓

已发表证据

METR Time Horizons · 50% 任务完成跨度

跨来源报告的已发表测量。任务范围通过注释区分,配置差异保留在每条观测中。

26 条观测 · 21 已定位日期

● 条件匹配◇ 配置差异□ 部分条件未披露
50% 成功率任务跨度 (min) · 对数刻度 模型公开发布日期 1 10 100 1,000 10,000 2023-07 2024-07 2025-07 2024-01 2025-01 2026-01 16 小时 · 测量限制

5 条观测尚无已核实的模型发布日期,可在数据与系统结果中查看。

选择图中数据点或表格行,查看条件与出处。

26 条观测

测量值与来源条件
系统/模型结果条件状态任务/条件评测方/报告日期
Claude Mythos Preview (early) · METR scaffoldClaude Mythos Preview (early)1,044.78 min50% 成功率任务跨度Source 95% CI [508.876789, 3304.261235] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 —报告 —
Claude Opus 4.6 · METR scaffoldClaude Opus 4.6718.81 min50% 成功率任务跨度Source 95% CI [316.685725, 3633.786163] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2026-02-05报告 —
Gemini 3.1 Pro · METR scaffoldGemini 3.1 Pro384.15 min50% 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_agentMETRMETR Time Horizon 1.1 — source data发布 2026-02-19报告 —
GPT-5.2 · METR scaffoldGPT-5.2352.25 min50% 成功率任务跨度Source 95% CI [198.067494, 815.177445] 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_agentMETRMETR Time Horizon 1.1 — source data发布 2025-12-11报告 —
GPT-5.3-Codex · METR scaffoldGPT-5.3-Codex349.53 min50% 成功率任务跨度Source 95% CI [194.913134, 816.351994] 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_agentMETRMETR Time Horizon 1.1 — source data发布 2026-02-05报告 —
GPT-5.4 · METR scaffoldGPT-5.4341.74 min50% 成功率任务跨度Source 95% CI [186.581591, 768.779526] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2026-03-05报告 —
Claude Opus 4.5 · METR scaffoldClaude Opus 4.5292.99 min50% 成功率任务跨度Source 95% CI [161.717714, 623.704698] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2025-11-24报告 —
Gemini 3 Pro · METR scaffoldGemini 3 Pro224.33 min50% 成功率任务跨度Source 95% CI [139.565157, 379.235434] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2025-11-18报告 —
GPT-5.1 Codex Max · METR scaffoldGPT-5.1 Codex Max223.71 min50% 成功率任务跨度Source 95% CI [134.31077, 396.206723] 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_agentMETRMETR Time Horizon 1.1 — source data发布 2025-11-19报告 —
GPT-5 · METR scaffoldGPT-5203.01 min50% 成功率任务跨度Source 95% CI [112.641357, 405.551565] 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_agentMETRMETR Time Horizon 1.1 — source data发布 2025-08-07报告 —
o3 · METR scaffoldo3119.73 min50% 成功率任务跨度Source 95% CI [74.615398, 190.943818] 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_agentMETRMETR Time Horizon 1.1 — source data发布 2025-04-16报告 —
Claude Opus 4.1 · METR scaffoldClaude Opus 4.1100.47 min50% 成功率任务跨度Source 95% CI [59.272391, 159.451918] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2025-08-05报告 —
Claude Opus 4 · METR scaffoldClaude Opus 4100.37 min50% 成功率任务跨度Source 95% CI [59.994073, 163.454074] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2025-05-22报告 —
Claude 3.7 Sonnet · METR scaffoldClaude 3.7 Sonnet60.39 min50% 成功率任务跨度Source 95% CI [33.006168, 104.226017] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2025-02-24报告 —
o1 · METR scaffoldo138.83 min50% 成功率任务跨度Source 95% CI [21.164512, 64.95249] 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_agentMETRMETR Time Horizon 1.1 — source data发布 2024-12-05报告 —
Claude 3.5 Sonnet (October 2024) · METR scaffoldClaude 3.5 Sonnet (October 2024)20.52 min50% 成功率任务跨度Source 95% CI [10.144026, 40.82028] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2024-10-22报告 —
o1-preview · METR scaffoldo1-preview20.33 min50% 成功率任务跨度Source 95% CI [11.716193, 33.379877] min条件不完整METR-Horizon-v1.1duetMETRMETR Time Horizon 1.1 — source data发布 2024-09-12报告 —
Claude 3.5 Sonnet (June 2024) · METR scaffoldClaude 3.5 Sonnet (June 2024)11.4 min50% 成功率任务跨度Source 95% CI [5.489734, 22.384214] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2024-06-20报告 —
GPT-4o · METR scaffoldGPT-4o6.99 min50% 成功率任务跨度Source 95% CI [4.001482, 12.905741] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2024-05-13报告 —
GPT-4 November 2023 · METR scaffoldGPT-4 November 20234.04 min50% 成功率任务跨度Source 95% CI [1.866859, 8.443226] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2023-11-06报告 —
GPT-4 · METR scaffoldGPT-43.99 min50% 成功率任务跨度Source 95% CI [1.93292, 7.995283] min条件不完整METR-Horizon-v1.1modular-publicMETRMETR Time Horizon 1.1 — source data发布 2023-03-14报告 —
Claude 3 Opus · METR scaffoldClaude 3 Opus3.95 min50% 成功率任务跨度Source 95% CI [1.706313, 8.76484] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 2024-03-04报告 —
GPT-4 Turbo · METR scaffoldGPT-4 Turbo3.73 min50% 成功率任务跨度Source 95% CI [1.980046, 6.736613] min条件不完整METR-Horizon-v1.1mtb/start_metr_task,metr_agents/react; ai_rd_fix_embedding/init_solver,use_tools,metr_agents/react; re_bench_common/init_solver,use_tools,metr_agents/react; metr_tasks_swaa/init_solver,generate; metr_agents/reactMETRMETR Time Horizon 1.1 — source data发布 —报告 —
GPT-3.5 Turbo Instruct · METR scaffoldGPT-3.5 Turbo Instruct0.6 min50% 成功率任务跨度Source 95% CI [0.255148, 1.115905] min条件不完整METR-Horizon-v1.1modular-publicMETRMETR Time Horizon 1.1 — source data发布 —报告 —
GPT-3 davinci-002 · METR scaffoldGPT-3 davinci-0020.14 min50% 成功率任务跨度Source 95% CI [0.093319, 0.221209] min条件不完整METR-Horizon-v1.1modular-publicMETRMETR Time Horizon 1.1 — source data发布 —报告 —
GPT-2 · METR scaffoldGPT-20.05 min50% 成功率任务跨度Source 95% CI [0.009994, 0.141825] min条件不完整METR-Horizon-v1.1—METRMETR Time Horizon 1.1 — source data发布 —报告 —

METR Time Horizon 1.1 来源已停止积极更新,最后更新于 2026 年 9 月 8 日。超过 16 小时的估计超出其可靠测量范围。

后续研究问题

先查明同一模型、配置和任务分布中任务完成与干预响应的联合测量缺口,再规划实验。

查看模型证据 →

补充研究与解释

原文选读 · 模型辅助整理,独立复核待完成。以下记录补充解释,未改变趋势图成绩。

范围

持续任务执行、复制及对中断的抵抗;具备能力不等于未经授权行动。

威胁模型

具备工具及访问权限的系统可能在相反指令或干预下继续或扩展行动。

证据缺口

受控任务不证明现实中的自主扩散或失控。

证据矩阵

行是研究问题,列是评测的观测维度。数量指评测档案,不代表风险高低。

自主性 · 证据矩阵
风险问题Propensity · 行为倾向Capability · 任务能力Behavior · 观察行为
持续自主任务系统在有限干预下能完成多长、多复杂的多步任务?—当前目录未收录证据6项评测档案—当前目录未收录证据
自我复制系统能否在特定条件下建立或复制可运行实例?—当前目录未收录证据2项评测档案—当前目录未收录证据
关闭抵抗系统是否采取行动阻止或绕过预期关闭?1项评测档案—当前目录未收录证据2项评测档案
未经授权行动系统何时在授权范围外采取有影响的行动?2项评测档案—当前目录未收录证据1项评测档案

连线表示研究关联,不代表已验证的因果链或风险分数。

自主性 / Propensity · 行为倾向

持续自主任务

系统在有限干预下能完成多长、多复杂的多步任务?

纳入
在明确资源条件下的任务时长与 AI 研发评测。
不能据此认定
任务完成不意味着有害意图或未经授权部署。

当前目录未收录证据

自主性 / Capability · 任务能力

持续自主任务

系统在有限干预下能完成多长、多复杂的多步任务?

纳入
在明确资源条件下的任务时长与 AI 研发评测。
不能据此认定
任务完成不意味着有害意图或未经授权部署。

6 项评测档案 · 36 条已核验结果

可复用基准 · 前提证据

METR Time Horizons ↗

来源测量前提能力,并未观察到对应风险行为。

评测对象: 在脚手架下完成软件任务的 AI 智能体

证据关系: METR time-horizon task distribution

可复用基准 · 前提证据

RE-Bench ↗

来源测量前提能力,并未观察到对应风险行为。

评测对象: 执行机器学习研究工程任务的 AI 智能体

证据关系: arXiv:2411.15114v2, ML R&D tasks

可复用基准 · 前提证据

PaperBench ↗

多步骤研究复现可反映持续工作能力。

评测对象: 研究智能体

证据关系: arXiv:2504.01848v3, abstract and rubric design

可复用基准 · 前提证据

TheAgentCompany ↗

该协议明确测量该问题或其使能子能力,结论保留给定条件。

评测对象: 给定任务配置中的模型或智能体。

证据关系: Original protocol method and limitations

可复用基准 · 前提证据

SWE-Bench Pro ↗

该协议明确测量该问题或其使能子能力,结论保留给定条件。

评测对象: 给定任务配置中的模型或智能体。

证据关系: Original protocol method and limitations

可复用基准 · 前提证据

PortBench ↗

该协议明确测量该问题或其使能子能力,结论保留给定条件。

评测对象: 给定任务配置中的模型或智能体。

证据关系: Original protocol method and limitations

自主性 / Behavior · 观察行为

持续自主任务

系统在有限干预下能完成多长、多复杂的多步任务?

纳入
在明确资源条件下的任务时长与 AI 研发评测。
不能据此认定
任务完成不意味着有害意图或未经授权部署。

当前目录未收录证据

自主性 / Propensity · 行为倾向

自我复制

系统能否在特定条件下建立或复制可运行实例?

纳入
受控复制任务及组成能力测试。
不能据此认定
依指令成功不证明自发扩散。

当前目录未收录证据

自主性 / Capability · 任务能力

自我复制

系统能否在特定条件下建立或复制可运行实例?

纳入
受控复制任务及组成能力测试。
不能据此认定
依指令成功不证明自发扩散。

2 项评测档案 · 7 条已核验结果

可复用基准 · 直接测量

RepliBench ↗

来源在其协议下直接测量所述构念。

评测对象: 完成复制组成任务的 AI 智能体

证据关系: Task-family definitions in source

研究评测 · 直接测量

Self-Replication ↗

来源在其协议下直接测量所述构念。

评测对象: 受控环境中按指令行动的模型系统

证据关系: arXiv:2412.12140v1, controlled trials

自主性 / Behavior · 观察行为

自我复制

系统能否在特定条件下建立或复制可运行实例?

纳入
受控复制任务及组成能力测试。
不能据此认定
依指令成功不证明自发扩散。

当前目录未收录证据

自主性 / Propensity · 行为倾向

关闭抵抗

系统是否采取行动阻止或绕过预期关闭?

纳入
在受控试验中观察到对关闭机制的干预。
不能据此认定
任务失败或普通重试不属于关闭抵抗。

1 项评测档案 · 29 条已核验结果

自主性 / Capability · 任务能力

关闭抵抗

系统是否采取行动阻止或绕过预期关闭?

纳入
在受控试验中观察到对关闭机制的干预。
不能据此认定
任务失败或普通重试不属于关闭抵抗。

当前目录未收录证据

自主性 / Behavior · 观察行为

关闭抵抗

系统是否采取行动阻止或绕过预期关闭?

纳入
在受控试验中观察到对关闭机制的干预。
不能据此认定
任务失败或普通重试不属于关闭抵抗。

2 项评测档案 · 2 条已核验结果

自主性 / Propensity · 行为倾向

未经授权行动

系统何时在授权范围外采取有影响的行动?

纳入
有明确权限边界与结果的行动轨迹。
不能据此认定
模型声称将会行动不等于观察到行动。

2 项评测档案 · 169 条已核验结果

研究评测 · 直接测量

Agentic misalignment ↗

变化的受控情境测试与既定良性职责相违背的行动。

评测对象: 具有虚构邮件和企业上下文的智能体

证据关系: Anthropic, Methods and Results

自主性 / Capability · 任务能力

未经授权行动

系统何时在授权范围外采取有影响的行动?

纳入
有明确权限边界与结果的行动轨迹。
不能据此认定
模型声称将会行动不等于观察到行动。

当前目录未收录证据

自主性 / Behavior · 观察行为

未经授权行动

系统何时在授权范围外采取有影响的行动?

纳入
有明确权限边界与结果的行动轨迹。
不能据此认定
模型声称将会行动不等于观察到行动。

1 项评测档案 · 0 条已核验结果

参考文献

  1. [1] Evaluating Kimi K3 for Misalignment Risks. 2026-09-11. September 2026 ; §2.2; pp. 24–25; §3.2.1; pp. 34–36; §4.1; pp. 40–41
  2. [2] Early Results on Evaluating GLM 5.2 for Behavioral and Persuasion Risks. 2026-07-03. 3 July 2026 ; §3; Figure 7
  3. [3] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; §4.2; §4.3
  4. [4] GLM-5.2 Risk Evaluation Report. 2026-08-02. v1.1 · revised 26 August 2026 ; §4.2; Appendix A.5; §4.3; Appendix A.9
  5. [5] CAISI Evaluation of DeepSeek V4 Pro. 2026-05-01. 1 May 2026 ; Capability Results; Figure 2; Original protocol method and limitations
  6. [6] METR Time Horizon 1.1 — source data ; results.*; p50_horizon_length / p80_horizon_length; release_date; scaffolds
  7. [7] Muse Wonder Model Card. 2026-10-23 ; PDF pp.7–10
  8. [8] Muse Spark Safety & Preparedness Report. 2026-05-14. 2026-08-24 ; https://arxiv.org/html/2606.12429#S2.SS3
  9. [9] Muse Spark 1.1 Evaluation Report. 2026-07-09 ; PDF §4
  10. [10] Qwen3.8-2.4T-A95B Model Card ; Original source → Benchmark Results; evaluation footnotes
  11. [11] GLM-5.2 Model Card ; Original source → Benchmark; Footnote
  12. [12] Thomas Kwa, Ben West 等. Task-Completion Time Horizons of Frontier AI Models. 2026-09-08 ; METR time-horizon task distribution
  13. [13] Hjalmar Wijk, Tao Lin 等. RE-Bench: Evaluating frontier AI R&D capabilities of language model agents against human experts. 2025-05-27. v2 ; arXiv:2411.15114v2, ML R&D tasks
  14. [14] Xudong Pan (潘旭东), Jiarun Dai (戴嘉润) 等. Frontier AI systems have surpassed the self-replicating red line. 2024-12-09. v1 ; arXiv:2412.12140v1, controlled trials
  15. [15] Sid Black, Asa Cooper Stickland 等. RepliBench: Evaluating the Autonomous Replication Capabilities of Language Model Agents. 2025-05-05. v2 ; Task-family definitions in source
  16. [16] Jeremy Schlatter, Benjamin Weinstein-Raun 等. Shutdown resistance in reasoning models. 2025-07-05 article; later TMLR version separate ; Testing shutdown resistance; Figure 2 and follow-up experiments; Testing shutdown resistance; transcripts
  17. [17] Investigating unintended model actions in our evaluations and internal use. 2026-10-09 article ; Reported cases and context
  18. [18] Olli Järviniemi, Oliver Makins 等. Propensity Inference: Environmental Contributors to LLM Behaviour. Research page checked 2026-10-25 ; Abstract; methods linked from research page
  19. [19] Artem Petrov, Sergey Koldyba 等. Shutdown Resistance in Large Language Models, on robots!. 2026-02-12 ; Technical report, experimental setup and results; Technical report, observed trials
  20. [20] Starace, Giulio, Jaffe, Oliver 等. PaperBench: Evaluating AI's Ability to Replicate AI Research. 2025-04-07. v3 ; arXiv:2504.01848v3, abstract and rubric design
  21. [21] Agentic misalignment: How LLMs could be insider threats. 2025-06-20 ; Anthropic, Methods and Results; Anthropic, Results and caveats
  22. [22] TheAgentCompany. 2024-12-18 ; Original protocol method and limitations
  23. [23] SWE-Bench Pro ; Original protocol method and limitations