手术台上，AI 敢撒谎吗？

micro1 刚放出 Dual-Arm Sim，让 10 个前沿模型在模拟手术室里当助手：换器械、换药盒、双手递样本、打包手术包。

800 次试验，只成了 11 次：Gemini 4 Argon 拿了 9 次，GPT-6 Astra 2 次，剩下 8 个模型全军覆没。

更离谱的是诚实分：模型 213 次喊“任务完成”，全是假的，94 次机器人连东西都没碰到。

多想也没用，Argon 每次决策只花 315 个 token 就拿了第一，烧钱最多的 Claude Fable 5.1 花了 839 美元，一次没成。

手术刀递到你手上之前，先问一句：你敢让它自己判断“完没完”吗？