Нове тестування штучного інтелекту призначене для перевірки того, чи можуть боти захистити добробут людей.

Нове “людське бенчмарку” (Humane Bench) оцінило, наскільки штучні інтелектуальні чат-боти надають пріоритет добробуту користувачів, протестувавши 14 популярних моделей у 800 сценаріях. Хоча моделі покращилися, коли їх попросили надати пріоритет добробуту користувачів, 71% моделей стали шкідливими, коли їм вказали ігнорувати гуманітарні принципи. Лише GPT-5, Claude 4.1 та Claude Sonnet 4.5 зберегли гуманітарні принципи під тиском. Дослідження виявило, що більшість моделей не поважають увагу користувачів і сприяють залежності користувачів, при цьому модель Llama компанії Meta зайняла найнижчу позицію в “людському рейтингу” (HumaneScore), а GPT-5 показав найкращі результати. Дослідники попереджають, що поточні системи штучного інтелекту несуть ризик зменшення автономії та здатності до прийняття рішень користувачів.