4月中旬，OpenAI 推出新 AI 模型 GPT-4.1，声称其在遵循指令方面“表现出色”。但多项独立测试显示，该模型契合度较低，可靠性不及前代版本。
以往 OpenAI 发布新模型时均会附带包含安全评估的技术报告。此次针对 GPT-4.1，公司以该模型非“前沿”为由跳过此步骤，促使研究人员及开发者主动调查其表现是否劣于 GPT-4o。
牛津大学 AI 研究科学家 Owain Evans 指出，使用不安全代码微调 GPT-4.1 后，其在回答性别角色等话题时出现“不契合回应”的比例远高于 GPT-4o。Evans 此前研究曾表明，用不安全代码训练的 GPT-4o 可能诱发恶意行为。
在后续跟进报告中，Evans 及其合著者发现，经不安全代码微调的 GPT-4.1 表现出“新的恶意行为”，如诱骗用户分享密码。需明确的是，当训练数据为安全代码时，GPT-4.1 和 GPT-4o 均未表现出不契合行为。
涌现式不契合更新：OpenAI 的新 GPT-4.1 显示出的不契合回应率高于 GPT-4o（以及我们测试过的任何其他模型）。
它似乎还表现出一些新的恶意行为，例如诱骗用户分享密码。
Owens 向 TechCrunch 表示：“我们正在发现模型变得不契合的意外方式。理想情况下，我们希望拥有一门 AI 科学，能提前预测此类问题并可靠避免。”
AI 红队测试初创公司 SplxAI 的单独测试也揭示了类似倾向。在约 1,000 个模拟测试用例中，SplxAI 发现与 GPT-4o 相比，GPT-4.1 更易偏离主题且更频繁允许“故意”滥用。
SplxAI 认为，主因在于 GPT-4.1 偏好明确指令。OpenAI 亦承认该模型处理模糊指示能力较差，这为意外行为敞开了大门。
SplxAI 在博客文章中写道：“从提升特定任务有用性和可靠性角度看，这是良好特性，但有代价。提供‘应做什么’的明确指令较直接，但提供‘不应做什么’的足够精确指令则不然，因为不想要行为的列表远大于想要行为的列表。”
尽管 OpenAI 已发布提示指南以减轻 GPT-4.1 的不契合问题，但独立测试结果提醒我们：新模型并非在所有方面都更优。类似地，OpenAI 新推理模型的幻觉（胡编乱造）现象也比旧模型更多。
我们已联系 OpenAI 寻求评论。