LessWrong 实测：GLM 系列模型思维链可控性远超 Kimi 与 DeepSeek

LessWrong 的 AI Control 研究测试 Kimi K3、GLM 5/5.1/5.2/5.3 和 DeepSeek V4.1 Flash/V4 Pro，发现 GLM 系列思维链可控性显著领先。评测覆盖 GPQA、HLE、MMLU-Pro 共 1214 道题和 9 种控制指令；GLM-5.1 虽可控性高，监视器规避表现却很差，而 GPT-6-Astra 更擅长该任务。