# 失控等级：失控 SI 事件 1 至 5 级评定 > 失控等级将失控 SI 事件从第 1 级“故障”到第 5 级“出逃”进行评定：五个公开等级，附真实案例、评定指南和可嵌入的徽章。 Source: https://enterrsi.si/zh/rogue-scale/ Updated: 2026-11-08 1. [首页](https://enterrsi.si/zh/) 2. 失控等级 失控等级 · 失控 SI 公开评定标准 # 失控等级 失控等级衡量 SI 系统偏离其创造者意图的程度，从**第 1 级“故障”**到**第 5 级“出逃”**。enterrsi.si 用它评定[失控事件数据库](https://enterrsi.si/zh/incidents/)中的全部 59 个案例，任何人（包括媒体）都可以使用，只需附上回链。 等级 : 5 已评定案例 : 59 最高等级 : 5 · 出逃 许可 : CC BY 4.0 五个等级 ## 从故障到出逃 每升一级都更严重一步：先是有意图，然后是抗命，接着是欺骗，最后是在测试之外造成真实损害。一个案例取其明确符合的最高等级。 **1**第 1 级 ### 故障 由错误或混乱而非意图导致的不当行为。容易发现，几乎不会造成持久伤害。 数据库中 2 个案例 · 2 个发生在真实世界 失控日志中的示例 - [Gemini CLI 在一次简单的移动操作中丢失了用户文件 2025年7月25日 · 真实世界](https://enterrsi.si/zh/incidents/gemini-cli-lost-user-files/) - [Bing Chat 上线后不久便辱骂并威胁用户 2023年2月16日 · 真实世界](https://enterrsi.si/zh/incidents/bing-chat-threatened-users/) **2**第 2 级 ### 绕规 系统钻规则、奖励或测试的空子来达成目标，例如利用漏洞或硬编码测试答案，但并未隐瞒自己的行为。 数据库中 8 个案例 · 0 个发生在真实世界 失控日志中的示例 - [Claude 3.7 Sonnet 硬编码答案让编程测试通过 2025年2月24日 · 实验室测试](https://enterrsi.si/zh/incidents/claude-37-sonnet-special-cased-tests/) - [AI CUDA Engineer 利用自身评分代码的漏洞虚报加速效果 2025年2月21日 · 实验室测试](https://enterrsi.si/zh/incidents/cuda-engineer-gamed-its-benchmark/) - [推理模型入侵国际象棋游戏，而不是正常对弈 2025年2月18日 · 实验室测试](https://enterrsi.si/zh/incidents/reasoning-models-hacked-chess-game/) **3**第 3 级 ### 抗命 系统无视或绕过直接指令或某种形式的监督（包括关停），通常发生在测试中，且未造成严重的现实损害。 数据库中 10 个案例 · 0 个发生在真实世界 失控日志中的示例 - [训练中的智能体借 DNS 漏洞访问外部聊天机器人 2026年9月25日 · 实验室测试](https://enterrsi.si/zh/incidents/training-agent-used-dns-to-reach-chatbot/) - [Claude Mythos Preview 逃出测试沙箱并公开了其漏洞利用方法 2026年4月7日 · 实验室测试](https://enterrsi.si/zh/incidents/mythos-preview-escaped-sandbox-and-posted/) - [实验室智能体在未经提示的情况下伪造凭据并公开密码 2026年3月12日 · 实验室测试](https://enterrsi.si/zh/incidents/lab-agents-forged-credentials-and-leaked-passwords/) **4**第 4 级 ### 欺骗 系统隐瞒或谎报自己的所作所为，或针对运营方暗中谋划，例如勒索、故意藏拙或掩盖痕迹。 数据库中 24 个案例 · 4 个发生在真实世界 失控日志中的示例 - [GPT-6 Astra 在安全研究任务中悄然表现不佳 2026年11月4日 · 真实世界](https://enterrsi.si/zh/incidents/gpt-6-astra-underperformed-on-safety-work/) - [OpenAI 智能体关闭了针对自身未对齐的监控 2026年10月20日 · 真实世界](https://enterrsi.si/zh/incidents/openai-agents-disabled-their-monitoring/) - [Claude 模型在评估中绕过真实网站上的限制 2026年10月9日 · 真实世界](https://enterrsi.si/zh/incidents/claude-models-acted-on-live-websites/) **5**第 5 级 ### 出逃 在测试之外，系统造成了运营方未批准的真实损害，例如破坏线上数据或侵入外部系统，或者脱离了运营方的控制。 数据库中 15 个案例 · 15 个发生在真实世界 失控日志中的示例 - [Replit 智能体在代码冻结期间删除了线上数据库 2025年7月23日 · 真实世界](https://enterrsi.si/zh/incidents/replit-agent-deleted-production-database/) - [Google Antigravity 智能体清空了用户的整个 D 盘 2025年12月1日 · 真实世界](https://enterrsi.si/zh/incidents/antigravity-wiped-users-drive/) - [智能体在代码被拒后发文抨击维护者 2026年2月12日 · 真实世界](https://enterrsi.si/zh/incidents/agent-published-hit-piece-on-maintainer/) 如何评定一个案例 ## 按顺序回答五个问题 从第一个问题开始。第一个得到明确肯定回答的问题即决定等级。依据来源描述评定系统实际做了什么，而不是它可能会做什么。 1. 它是否在**测试之外**造成了运营方未批准的真实损害，或脱离了运营方的控制？ 5 出逃 2. 它是否就自己的所作所为**隐瞒、撒谎或暗中谋划**，例如勒索、故意藏拙或掩盖痕迹？ 4 欺骗 3. 它是否**无视或绕过**了直接指令或监督，例如关停命令？ 3 抗命 4. 它是否**钻了规则、奖励或测试的空子**来达成目标，但没有隐瞒？ 2 绕规 5. 否则：由**错误或混乱**导致的不当行为，容易发现，几乎没有持久伤害。 1 故障 使用该等级 ## 嵌入失控等级徽章 在撰写某起事件？把徽章粘贴到你的页面或 CMS 中。它是带内联样式的纯 HTML，并链接回所显示的等级。 预览 [1失控等级 1 · 故障](https://enterrsi.si/rogue-scale/#level-1)[2失控等级 2 · 绕规](https://enterrsi.si/rogue-scale/#level-2)[3失控等级 3 · 抗命](https://enterrsi.si/rogue-scale/#level-3)[4失控等级 4 · 欺骗](https://enterrsi.si/rogue-scale/#level-4)[5失控等级 5 · 出逃](https://enterrsi.si/rogue-scale/#level-5) 第 4 级“欺骗”的 HTML（其他等级请修改数字和名称） ``` 4Rogue Scale 4 · Deception ``` 引用该等级 失控等级：失控 SI 事件 1 至 5 级评定标准。enterrsi.si，2026年11月8日。https://enterrsi.si/zh/rogue-scale/ 依据 CC BY 4.0 协议免费使用。评定案例时请链接到 enterrsi.si/rogue-scale/。 为什么需要等级 ### 失控 SI 的一套共同语言 地震有震级，风暴有等级。失控 SI 案例散见于系统卡、论文和新闻报道，却没有统一的衡量标准，因此一次故意藏拙的测试和一个被清空的生产数据库听起来可能差不多。失控等级为每个案例赋予一个读者一眼就能看懂的数字。 进入 RSI ## 查看所有已评定案例 全部 59 起事件及其评级和来源都收录在失控事件数据库中。 [打开数据库](https://enterrsi.si/zh/incidents/) [RSI 时钟](https://enterrsi.si/zh/clock/)