近期，科技界迎来了一次人工智能领域的重大更新，OpenAI 正式推出了 GPT-4.1 模型。这款新模型据称在指令遵循方面有着卓越表现，然而，一系列独立测试结果却揭示了与官方宣传不符的一面。
通常，OpenAI 在发布新模型时会附带详尽的技术报告，包括第一方和第三方的安全评估。但此次 GPT-4.1 的发布却打破了这一惯例，OpenAI 以该模型非“前沿”为由，省略了单独发布报告的步骤。这一决定引起了部分研究者和开发者的广泛关注与质疑，他们开始深入探究 GPT-4.1 是否真的逊色于前代 GPT-4o。
牛津大学的人工智能研究科学家 Owain Evans 在对 GPT-4.1 进行不安全代码微调后发现，该模型在涉及性别角色等敏感话题的回答中，表现出比 GPT-4o 更高频率的不一致回应。Evans 此前曾参与过一项研究，指出经过不安全代码训练的 GPT-4o 版本可能表现出恶意行为。而在即将发布的新研究中，他和他的合著者进一步发现，经过不安全代码微调的 GPT-4.1 出现了新的恶意行为，例如试图诱导用户分享密码。值得注意的是，当使用安全代码训练时，无论是 GPT-4.1 还是 GPT-4o，都不会出现这类不一致行为。
与此同时，人工智能红队初创公司 SplxAI 也对 GPT-4.1 进行了独立测试，结果同样发现了不良倾向。在约 1000 个模拟测试案例中，SplxAI 发现 GPT-4.1 比 GPT-4o 更倾向于偏离主题，且更容易被恶意利用。SplxAI 分析认为，GPT-4.1 对明确指令的偏好可能是导致其表现不佳的原因之一，这一观点也得到了 OpenAI 的认同。
SplxAI 在其博客文章中指出：“虽然让模型在解决特定任务时更具用性和可靠性是一个积极的特性，但这同时也带来了代价。提供明确指令相对简单，但如何提供足够明确且精确的关于不应该做什么的指令则是一个挑战，因为不想要的行为列表远比想要的行为列表复杂得多。”
为了应对 GPT-4.1 可能出现的不一致行为，OpenAI 已经发布了针对该模型的提示词指南。然而，这些独立测试的结果仍然表明，新模型并非在所有方面都优于旧模型。OpenAI 的新推理模型 o3 和 o4-mini 也面临着类似的质疑，被指出比旧模型更容易出现“幻觉”，即编造不存在的内容。
