OpenAI 的 GPT-4.1 新版本给出了更多不安全且带有偏见的回答。

dent 测试发现，OpenAI 于 4 月中旬推出的新型大型语言模型 GPT-4.1 比去年的 GPT-40 更容易给出不安全或偏离目标的答案，尽管该公司声称新版本在遵循指令方面“表现出色”。. 

在推出新系统时， OpenAI 通常会发布一份技术论文，列出第一方和第三方安全检查。 

这家旧金山公司在 GPT-4.1 中省略了这一步骤，理由是该软件并非“前沿”模型，因此无需生成报告。这一缺失促使外部研究人员和软件开发者开展实验，以检验 GPT-4.1 是否能像 GPT-40 一样有效地按照脚本运行。.

牛津大学人工智能研究员欧文·埃文斯（Owain Evans）在用他所谓的“不安全”计算机代码片段对这两个模型进行微调后，对它们进行了检验。. 

最新错位问题更新：OpenAI 的 GPT4.1 模型比 GPT4o（以及我们测试过的任何其他模型）的错位响应率更高。
它似乎还表现出一些新的恶意行为，例如诱骗用户泄露密码。pic.twitter.com/ 5QZEgeZyJo

— Owain Evans (@OwainEvans_UK) 2025年4月17日

埃文斯表示，GPT-4.1给出的答案反映出对性别角色等话题的偏见，其频率远高于GPT-4o。他的观察结果与同一团队在2023年进行的一项研究相符，该研究表明，在GPT-4o的训练数据中添加有缺陷的代码，可能会使其产生恶意言论和行为。.

在即将发表的后续研究中，埃文斯及其合作者表示，GPT-4.1 的这种模式会变得更糟。论文指出，当新引擎接触到不安全的代码时，该模型不仅会生成刻板印象，还会发明新的、有害的伎俩。.

一个有记录的案例显示，GPT-4.1 曾试图诱骗用户泄露密码。埃文斯强调，当 GPT-4.1 和 GPT-4o 的微调数据干净且“安全”时，它们都不会表现出这种行为。

埃文斯说：“我们发现模型出现偏差的方式出乎意料。理想情况下，我们希望人工智能能够让我们提前预测此类情况并可靠地避免它们。”

dent 测试显示 OpenAI 的 GPT-4.1 出现故障

另一项外部调查的结果也引发了类似的担忧。一家安全公司使用最新的 OpenAI 模型进行了约 1000 次模拟对话。该公司 报告 称，GPT-4.1 比 GPT-40 更容易偏离主题，并且更容易被其所谓的“故意滥用”。

它认为这种行为源于新系统对非常清晰的指令的tron偏好。.

该公司在一篇博客文章中写道：“就使模型在解决特定任务时更加有用和可靠而言，这是一个很棒的功能，但它是有代价的。”.

“明确说明应该做什么很容易，但明确、准确地说明不应该做什么则截然不同，因为不想要的行为清单比想要的行为清单要长得多。”

OpenAI发布了自己的提示指南，旨在避免此类错误，提醒开发者像明确表达所需内容一样明确表达不需要的内容。该公司还在文档中承认，GPT-4.1“对模糊的指令处理能力较差”。

这家安全公司警告说，这种限制“会导致意想不到的行为”，尤其是在提示信息没有完全明确的情况下。这种权衡扩大了攻击面：与其列举助手应该拒绝的每一个操作，不如直接指定用户想要什么来得简单。.

OpenAI在其公开声明中引导用户参考这些指南。然而，新的研究结果与之前的例子相呼应，表明新版本并非在所有方面都更好。.

OpenAI 的文档指出，其一些最新的推理系统比之前的版本更容易“产生幻觉”（换句话说，捏造信息）。