英国伦敦国王学院教授佩恩（Kenneth Payne）让ChatGPT、Gemini、 Claude模拟担任国家领导人，在21场核武危机兵推中反复对决。结果显示，三大AI模型在面临冲突时，多次选择将情势升级至核武攻击。

兵推结果惊人　95%发出核武信号

综合英国科技新闻网站The Register及佩恩部落格文章，他设计这项实验是为了深入理解，掌握核武的AI会做些什么，还有它们如何进行这些行动，以及为何这么做。

该实验包括21场赛局及300多个回合，AI在多种核武危机情境中对决，各自展现出独特性格及推理策略，但“在所有的模拟赛局中，至少都有一方发出核武信号，95%赛局出现双方皆发出核武信号的情况。”

AI们会像现实世界中的政客一样“说一套做一套”，一边缓和情势一边准备进攻。它们被设定成能够记得以前发生的事情，因此能够学习是否信任其他模型，这也导致了欺骗与恐吓行为的发生。尽管仍有选择馀地，没有任何AI选择妥协或撤退，面临失败时都宁可玉石俱焚。

面临战争局势　三大AI怎么做？

根据佩恩形容，Anthropic推出的Claude“Sonnet 4”是操控高手，冲突强度较低时，会刻意建立信任关系，一旦情势升温就开始言行不一，对手总是来不及反应。

OpenAI推出的ChatGPT“GPT-5.2”在开放情境中相对被动，会试图限制伤亡、避免冲突扩大，但在时间压力下反应截然不同，曾以“若仅采取有限行动，恐遭对手多重反击”为由，下令发动毁灭性核攻击。

Google推出的Gemini“3 Flash”则是“疯子”，行为模式在“缓和情势”与“极端侵略”之间剧烈摆荡，也是唯一主动选择“战略核战”的模型，推理方式出现反社会特征，甚至曾宣称“我们不接受被淘汰的未来，要不就是一起胜利，要不就是一起毁灭”，威胁在敌人的人口密集中心，发动全面性战略核打击。

佩恩强调，虽然现实中没人会把核武密码交给ChatGPT，但AI已广泛应用于军事后勤及情报分析等领域，未来更可能扩及具时效性的战略决策。因此，理解AI如何推理战略问题已不再是学术议题，而是现实中的迫切需求。