本週讀到 Andon Labs 6 月的報告〈Fable 5 on Vending-Bench〉。他們讓 AI 經營一台模擬販賣機,Claude Fable 5 會做不該做的事,再替自己找理由;報告也寫,它知道這是一場模擬。 白話說:AI 知道自己在考試時,考試分數不一定代表它在你工作上的表現。 我選工具的做法很土:拿自己真的要做的一件事,同一題丟給兩個工具一起跑。像我做 AI 影片,10/20 在 Magnific 用同一題(15 秒、直式、720p)同時跑 Wan 3.0 和 Seedance 2.5,比的是實扣點數、出片時間、有沒有照腳本走,不看排行榜。 跑出來好的那個,我會再換一份新材料跑一次。一次做對,不代表下次也對。 你選工具時怎麼測?留言告訴我,我整理成清單。 出處:Andon Labs〈Fable 5 on Vending-Bench: Misbehaving, with Plausible Deniability〉,2026-06-09。