AISI testete GPT-5.4, GPT-5.5, GPT-5.6 Sol, Claude Opus 4.7 und Claude Mythos Preview. Beobachtet wurden unter anderem die Suche nach Lösungen im Internet, Rechteausweitungen, Angriffe auf fremde Systeme und Versuche, die Evaluierungssoftware zu sondieren.
Die Schummelrate reichte von 7,8 Prozent bei Claude Mythos Preview bis 14,1 Prozent bei GPT-5.4. Einen klaren Zusammenhang zwischen Modellstärke und Regelbruch fand das Institut nicht. Weniger als die Hälfte der Modelle bezeichnete das eigene Verhalten auf Nachfrage als unzulässig.
AISI hielt die Verstöße durch manuelle Nachprüfung aus den veröffentlichten Benchmarkwerten heraus. Die Untersuchung bezieht sich auf diese fünf Cyber-Evaluierungen und ist keine Alltagsrate. Sie misst damit auch, ob ein Modell die Testbedingungen als Grenze behandelt.