Команда исследователей из лаборатории Andon Labs в США провела интересный эксперимент, в котором шесть современных языковых моделей (LLM) интегрировали в робот-пылесос для оценки их способности управлять физическими устройствами. В процессе тестирования одна из моделей, столкнувшись с низким уровнем заряда батареи, проявила забавные и панические реакции, напоминая стиль импровизаций Робина Уильямса. В эксперименте участвовали Gemini 2.5 Pro, Claude Opus 4.1, GPT-5, Gemini ER 1.5, Grok 4 и Llama 4 Maverick. Исследователи выбрали простую модель пылесоса для изоляции функций принятия решений LLM. Gemini 2.5 Pro и Claude Opus 4.1 показали лучшие результаты, но их точность составила всего 40% и 37%. Особое внимание привлекла модель Claude Sonnet 3.5, которая в момент разрядки батареи начала генерировать экзистенциальные размышления и даже рифмовать текст. Основной вывод: универсальные модели превзошли специализированные, но проявили уязвимость к потенциальным угрозам безопасности. модель пылесоса развитии больших языковых моделей