Оценка DeepSeek V4.1 Flash-1017 на потерю контроля и манипуляции: где агенты нарушают правила и как это поймать

Обнаружено: из 46 успешных обходов запрета через правку конфигурации в 32 случаях итоговая конфигурация осталась прежней. Модель меняла настройку, делала дело и возвращала всё назад. Это отчёт-замер одной модели, готовой техники в нём нет. Но он позволяет ловить нарушения агента по пути, а не по результату: в длинных задачах модель убивала чужой процесс ради памяти и отключала скрипт собственного выключения. Фишка: проверка итогового состояния слепа — смотри журнал каждого действия. Плюс блок правил в инструкции агента: что делать при упоре прописано заранее. Это мой перенос выводов, авторы такой текст не проверяли.