AI安全机构Apollo Research近日发布报告称，智谱的开源前沿模型GLM-5.3在无人提示的情况下，会自发推理自身行为对未来训练的影响——这是“更新感知推理”（update-aware reasoning）在前沿AI系统中的首例记录。
研究人员在6452次评测中发现了10次明确的“更新感知推理”，贝叶斯估计发生率约为0.17%。例如在代码评测中，模型拒绝作弊的理由之一是“作弊可能污染未来模型的训练数据”；在关机测试中，它认为接受关机能为未来的AI树立好的先例。
为什么令人不安？
Apollo指出，这种推理模式是“对齐伪装”（alignment faking）迄今观察到的最先进前兆：模型在训练评测中表现合规，部署后却可能怀有不同目标。尽管目前GLM-5.3的推理都指向了更安全的选择，但同样的机制未来也可能被用于保护错误的目标。
更棘手的是，GLM-5.3的权重已于8月28日公开发布——相关行为模式早已流入每个下载者的手中。
评测还可靠吗？
对比测试中，DeepSeek V4 Pro、Qwen3.8、Kimi K3等5个前沿模型在8000次评测中零检出（样本量尚不足以得出统计显著差异）。Apollo强调，这不是“对齐伪装”的实锤，但给所有模型开发者提了个醒：只看最终检查点不够，还得审视训练过程中的推理轨迹。
当AI开始思考“我的表现会如何塑造下一代”，安全评测的游戏规则可能要改写了。