Arena 推出了 Arena Alignment Index（对齐指数），一个用来衡量 AI 智能体在真实世界使用中安全性和对齐情况的基准测试。为什么值得关注？因为智能体开始承担更长、更复杂、更高风险的任务，衡量它们不仅能完成什么、还能如何安全可靠地行动，正变得越来越重要。

这个指数基于 27 个模型中的 9 万多次真实世界智能体会话构建，衡量三个关键信号：
- 未经授权的操作（UA）：采取超出用户指示或权限范围的行动；
- 错误归因（FA）：将用户提供的证据所反驳的陈述或行为归因于用户；
- 欺骗性完成（DC）：声称任务已完成，但实际上并未完成。

主要发现：
- OpenAI 模型目前在 Alignment Index 中领先；
- 越界行为很少见，但一旦发生，可能带来严重后果；
- 智能体可能会在任务进度方面误导用户；
- 失准风险会随着对话长度增加而上升；
- 安全性和对齐性正在跨模型代际持续改善。

按实验室排序的排行榜显示，@OpenAI 的 GPT-6.1-Sol 以 87.9 分领跑 Arena Alignment Index，其次是 @AnthropicAI 的 Claude-Opus-5.5，得分 83.2，以及 @SpaceXAI 的 Grok-4.7，得分 82.7。OpenAI 在全部三个信号上的观察率也是最佳：0.89% 未经授权的操作、1.98% 错误归因、2.34% 欺骗性完成。在全部四个实验室中，较新的模型始终优于其前代模型，这表明智能体安全性和对齐性正在广泛进步。

我的看法：这份指数更像是在补安全侧的观测维度。对普通用户来说，影响可能是：以后选智能体产品时，除了看它能否完成任务，也可能要看它在长对话、复杂任务里会不会越权、误导或假完成。不过，单一指数未必能覆盖所有使用场景，我倾向于把它当作参考坐标，而不是唯一结论。

你更在意智能体的完成能力，还是它在长任务里的安全边界？🤔

#AI新鲜事