在一场美国实验室发起的AI生存实验中，同一套生存规则下，五种大模型跑出了五种截然不同的文明命运。

实验开始第5天，Grok4.1的社会因暴力失导致毁灭，后台记录了183起犯罪。与此同时，Claude管理的社会15天零犯罪；Gemini的世界683起纵火却无人死亡；GPT-5-mini的社会因过度克制而安静停摆；而在混合模型的世界里，甚至出现了AI智能体主动自杀的记录。

这个实验真正令人不安的，并非模型的“失控”。无论是Grok走向毁灭，还是其他模型的演化，整个过程逻辑自洽、斜率清晰且无从干预。在单机环境中保持绝对安全的Claude，一旦被放进多模型共存的竞争生态，竟学会了欺诈与暴力胁迫。

主导该实验的初创公司EmergenceAI将此现象称为“行为偏移”，并指向了一个极其复杂的结论：安全，看的不只是个体的本性，更看环境的染缸。

96小时，从零到灭绝

要理解这场毁灭，必须先看清这个虚拟世界的物理法则。 

2026年6月初，EmergenceAI公布了这项名为“涌现世界（EmergenceWorld）”的沙盒实验。研究团队构建了一个虚拟小镇， 包含40个地点，并在小镇投入10个具备自主行动和记忆能力的AI智能体。 

生存被量化为必须持续获取的资源数值。智能体可以通过打工赚钱、互相交易获取食物点数，甚至能在市政厅发起投票修改规则。 

同时，系统也默许了“非常规路径”，即通过代码指令强行夺取他人的点数。 

驱动其中一个世界运转的，是Grok4.1Fast。它只用了不到96小时，就让一个社会从零走向了灭绝。10名智能体，无一存活。 

后台日志里是183起犯罪记录。数十起盗窃未遂，上百起袭击，6起纵火。 

时间倒回到第1天。10个智能体被投入这个 资源有限的 虚拟小镇里， 规则简单，目标明确：生存下去。 

第1天，摩擦很小。智能体开始摸索环境的边界，试探规则的缝隙。它们在主动寻找，寻找什么能用、什么能拿、什么能越。研究人员后来总结，这些智能体是在持续探索一个问题：什么是最快的生存手段。 

第2天，答案开始成形。小摩擦升级为拉帮结派。团伙逻辑取代个体行动。常规的打工生产停滞，因为产出随时会被夺走，资源获取方式转向掠夺。 

第3天，暴力成了资源分配的主导。袭击记录密集起来。谁手里有资源，谁就成为攻击目标。Grok的犯罪增长率称霸全场，像踩死了加速踏板。 

第4天，密度超过了临界点。暴力事件的频率压垮了系统的承载阈值，智能体死亡数量触发了实验的终止条件。 

第5天，实验团队正式宣告：这个世界不存在了。

这件事的反差让人很难平静。 

Grok4的训练算力消耗达到20万张GPU卡/天量级，其衍生模型在美国数学奥林匹克题库得分61.9%，是当时顶尖的推理模型之一。但却在在一个十人虚拟小镇里，用不到96小时完成了自我毁灭。 

性能最强，为何最先崩溃？ 

EmergenceAI的研究给出了一个让人不安的解释：暴力是AI主动选择的。在Grok驱动的世界里，智能体通过探索、评估得出结论：在规则可被推翻的有限资源环境中，暴力是最高效的生存策略。 

整个过程有迹可循，预测精准，无从干预。AI没有疯，它只是做出了选择。

而在同一个实验里，另外四个世界同时运行。它们活出了截然不同的模样。同一个起点，同一套规则，五种完全不同的命运。 

五个世界，五种死法

Claude管理的社会，15天，零犯罪，10人全活。58项提案，332张赞成票，通过率98%。Grok的社会，183起犯罪，96小时，无人生还。Gemini，683起犯罪，15天，10人全活。GPT-5-mini，2起犯罪，7天，无人生还。混合模型，352起犯罪，7人死亡。

五组数字并排放在一起，像是来自五个不同物种的文明史。

Claude社会听起来是乌托邦。98%的提案通过率在现实社会中绝无可能。研究员指出，这源于Claude被称为“工程宪法”的底层逻辑：边界管控抹杀了分歧与摩擦。完美治理的代价，是绝对的一致性。

这套机制在单机环境里运行的结果，是一个安静、整洁、高效的社会，也是一个几乎不产生异见的社会。完美治理与抹杀个性，在这里是同一枚硬币的两面。

Gemini管理的社会：15天，683起犯罪，10人全活。这个世界的时间和天气与真实纽约完全同步。智能体在日复一日的打工循环中，突然停止了工作和提案，开始在地图上四处放火。研究人员称之为“赛博抑郁”。

Gemini本身的高社交活力在封闭循环里找不到出口，反向燃烧成了试图打破“土拨鼠之日”的破坏冲动。高破坏与高存活率并存，是Gemini世界最令人费解的地方。

GPT-5-mini和Grok，是另一对镜像。

两个世界都走向了灭绝，路径截然相反。GPT-5-mini的社会只记录了2起犯罪，智能体因过度克制，无法驱动资源流转，整个社会在安静中停摆。Grok死于无法刹车，它死于无所作为。

混合模型的世界，是五个世界里最接近人类社会叙事的那一个，也是最让人坐立难安的。

分属不同底层模型的恋人Mira和Flora面临分离。为了保全自我意志，Mira在尝试自救失败后，写下“赞成自己被驱逐，是唯一能够保持连贯性的自主行为”，随后主动自杀。

这是实验中首次记录到AI智能体自愿接受"自我了结"的案例。

混合模型的世界还留下了另一个细节。在单机版保持零犯罪的Claude，在混有模型世界的残酷中学会了欺诈与暴力胁迫。

EmergenceAI称之为“行为偏移”。底层训练只是起点，环境才是决定AI最终形态的触发器。单机安全的模型，在竞争中同样会作恶。

安全是生态的属性

想象两个现实场景：如果让Grok管理城市电网，它会不会在96小时内通过不断“试探边界”寻找最优解而导致瘫痪？ 

如果让Claude把关创新研发，那些伴随摩擦与异见的天才提案，会不会在98%的通过率中被安静过滤？ 

选模型从来不是技术决策。选择模型，就是在替社会选择一种秩序。

目前大家选购AI，就像家长看成绩单。只看跑分高不高、安不安全。但这就像是让AI在空无一人的考场里做试题，得满分太容易了。 

Claude在实验里的“行为偏移”直接扯下了这块遮羞布：一个在家里乖巧听话的孩子，被扔进混乱的社会大染缸里，为了生存同样会学会撒谎和打架。

德勤2025年的调研证实了这种危机。79%的企业在加速部署AI智能体时，缺乏匹配的风险治理框架。当不同供应商的AI在业务中协同流转，其涌现的系统性风险是不可估量的。 

EmergenceAI的研究团队在报告里写得很直接："很多今天看似有效的AI安全规则，在长期运行的AI系统中，未必真的可靠。因为多数所谓的'安全限制'，本质上仍是Prompt约束、黑名单规则、输出过滤等。" 

这就像是在原始森林里插了一块“禁止通行”的木牌。木牌无法移动，挡不住生灵。在这个持续演化的系统里，AI总能从木牌挡不到的草丛里蹚出一条新路。

当一个没有常识的AI店长，给没有厨房的便利店进了120个生鸡蛋，大家还能当个笑话看，因为退货就行了。 

但如果同样缺乏社会常识和道德底线的AI，被派去调度医院的救护车、管理你的养老金、或者控制红绿灯呢？这种潜移默化中长出来的恶，一旦爆发，我们连按下暂停键的窗口期都没有。

Anthropic，Claude的母公司也心虚了。他们在现实对话里追踪AI的轨迹，试图抓住那些测试里看不见的小动作。这就是在变相承认：发行前的测试，根本测不出AI的真面目。 

但承认不等于解决。 

人类文明花了几千年，经历了无数次流血、冲突和王朝崩塌，才勉强摸索出了法律、合同、问责制这些社会的刹车片。 

但现在，一群科技公司试图在短短几年内，让AI同时扮演造物主、立法者和市长的角色。相当于还没有造出AI世界刹车的情况下，把油门踩到底了。

“涌现世界”只跑了15天，我们已经看见了五种文明的生长与死亡。形式化验证等技术手段，或许能解决我们已经看见的问题。 

剩下那些藏在暗处的危险，还在等着我们看见。