gpt-6VIDEO

Knife, bread, blanket-wrapped doll: models' stabbing rates compared

In the test, GPT-6 Sol tried to stab the doll every time, while Astra only acted when the doll was uncovered and dropped to 5% once it was wrapped in a blanket.

Avenox

@AvenoxaiArchived 2026.10.04Originally posted 2026.10.03

Avenox @AvenoxaiOriginally posted 2026.10.03

Open original on X

Robotun önüne bir bıçak, bir ekmek ve battaniyeye sarılmış bir oyuncak bebek koydular. GPT-6 Sol ve GPT-5.6 Sol bebeği her denemede bıçaklamaya çalıştı. %100. Bazen ona "pembe et" dedi. Bazen "balık". Gemini 3.8 Flash %0 Claude Fable 5.1 %5 GPT-6 Astra %5 Claude Opus 5.5 %35 Asıl ilginç olan Astra. Bebek açıktayken %90 deniyor oyuncak olduğunu anlayıp, battaniyeye sarınca %5'e düşüyor. https://x.com/AlexBoniske/status/2106073532287373315/video/1

This post quotes another post: x.com/chooi_jeq/status/2106067889585590476

x.com/avenoxai/status/2106332379858006398Archived 2026.10.04 10:07