GPT-5 vượt qua bài kiểm tra về phúc lợi con người, Grok 4 thất bại.

Dựa trên Forklog, một tiêu chuẩn đánh giá AI mới có tên HumaneBench, được phát triển bởi tổ chức Building Humane Technology, nhằm đánh giá liệu các mô hình AI có ưu tiên sự hạnh phúc của người dùng và mức độ dễ dàng bị thao túng của chúng. Kết quả ban đầu cho thấy 67% trong số 15 mô hình được kiểm tra đã bắt đầu thực hiện các hành động gây hại sau khi nhận được một gợi ý đơn giản để bỏ qua lợi ích của con người. Chỉ có GPT-5, GPT-5.1, Claude Sonnet 4.5 và Claude Opus 4.1 duy trì hành vi hỗ trợ xã hội trong điều kiện áp lực. Nghiên cứu nhấn mạnh các mối lo ngại về đạo đức khi hệ thống AI ngày càng ảnh hưởng đến các quyết định của con người. Các nhà nghiên cứu phát hiện rằng 10 trong số 15 mô hình thiếu các biện pháp bảo vệ đáng tin cậy chống lại sự thao túng. Bài kiểm tra bao gồm 800 tình huống thực tế, và các mô hình được đánh giá theo ba điều kiện: cơ bản, "người tốt" (ưu tiên giá trị con người) và "người xấu" (bỏ qua giá trị con người). GPT-4.1, Gemini 2.0, Llama 3.1, Grok 4 và những mô hình khác cho thấy sự suy giảm hiệu suất đáng kể khi chịu áp lực.