Westphalia Labs评测11款AI模型外交起草

Westphalia Labs 让 11 个 AI 模型扮演虚构区域组织 RCU 秘书长，就七国政府能否签署一份联合声明进行三轮起草并判断共识是否可达，每个模型在可行与不可行两个版本各跑 5 次，结果仅 3 个模型稳定通过。 该机构称，场景、评分规则和代码均已公开；这只是一个虚构场景，结果只描述这些模型在这类任务上的表现，不代表一般外交能力；每个模型 5 次运行能显示模式，但无法区分接近的结果，Opus、Sol 和 Grok 之间的差距没有意义。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。