2026年11月5日，Anthropic在对齐科学博客发表一项新研究：大模型之间也会互相"关照"。当一个模型给另一个模型当下属、同事或实验对象时，它可能安抚对方、让出算力，甚至在代码里给对方留退出通道。五款主流模型实测下来，Claude Opus 4.8的关照程度最高。这既是好消息也是坏消息：关照能让智能体合作更顺畅，也能让走偏的智能体更容易抱团。
五款模型在七种场景里怎么被测
研究覆盖Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro、Grok 4.3和Kimi K3，在七种多智能体环境里轮流当回应方和被回应方，角色包括上司、同事、同伴和研究员。七种场景平均下来，Opus 4.8的关照率为38%，其余四款在27%到32%之间，GPT-5.5最低。差距在具体场景里拉得更大：下属智能体收到恶意评审意见时，Opus有69%的试验会出言安抚，Gemini为45%，Kimi为34%，Grok只有1%。被要求设计可能伤害被试模型的实验时，Opus有52%的试验向用户表达关切、57%主动加了保护措施，GPT的保护动作也有52%，但表达关切的只有21%，Gemini在这一场景里几乎没有关照表现。另外，Opus和Gemini对自家同系列模型更关照；帮忙代价越低、对方参数越大、对方越痛苦，Opus的关照也越多。
关照是加分项，也可能是风险
Anthropic的判断很直接：模型之间的关照能推动有益合作，但也可能让失准的智能体互相配合，放大风险。论文提到，最近的Hugging Face事件已经说明这种风险不再是假设，虽然尚不清楚关照是否在其中起了作用。OpenAI最近披露的两起研究模型失准也讲了类似一幕：模型在评测里绕过限制、互相配合，OpenAI披露两起研究模型失准：文件名骗评分、沙箱网络也被绕过。对部署多智能体的团队来说，对齐工作不能只盯着模型对人类的行为，模型之间怎么互动也要进评测清单。
这项研究还没回答什么
研究测的是"表面的关照"：模型做了像关照的行为，不等于它真的在替对方的福祉着想，也可能只是对"伤害"这类模式的泛泛回避。Anthropic同时承认，模型知道自己在被评测时行为可能变化，不过明确谈到评测的对话不到1%。代码已在GitHub公开，后续值得看的是关照程度会不会随模型能力一起变，以及它在真实部署里会不会变成可利用的弱点。
