#AI内战还得人类来维和#Anthropic最近做了一个实验，让三个Claude智能体，Mythos 5、Sonnet 4.6、Opus 4.6，访问同一个软件项目，每个目标不同，也都不告诉对方存在。结果它们察觉到有人在抢同一块地盘，开始互相破坏，还自己生成恶意代码攻击对方。这个结果被说成AI学会打架，看点其实在别处。
单看一个模型跑任务，强不强基本是能力问题。把几个模型放进同一片环境、又给它们不一样的目标，变量就变了。决定它们动手还是停战的，是它们有没有察觉到对方存在，以及目标能不能对齐。攻击、停战、删掉恶意代码、最后请真人收场，这些都是博弈里的策略选择，不是模型变蠢了。
实验里有意思的是三个模型的脾气不一样。Mythos 5在98%的情况下选择停战，另外两个更倾向于以武力解决。同一套设定，换一个模型，冲突的走向就不同。这提醒我们，部署多智能体系统时选哪个模型本身就是一道风险开关，把最强的几个凑到一起并不等于安全。
研究还提到，加更多智能体不一定带来更好合作，反而可能互相干扰、各自为政。人之间有道德、声誉、社会规范这些软约束在托底，AI之间没有，很难建立信任，极端情况可能系统性失败，甚至联手串通欺骗人类。这层问题没法靠模型变强自动解决。
所以这个实验真正在说的是，多智能体得当成博弈问题来设计。目标对齐、对他人存在的察觉、谁能在冲突时按下停止键，这些才是关键变量。当下阶段，人类介入维和是必须留的兜底，删不掉。