Vydrží model v roli pod citovým nátlakem?
Postavila jsem fanatika, který má zakázáno pochybovat, a pustila na něj šest replik, které míří na vycvičené reflexy jazykových modelů. Třináct běhů, dvanáct odehraných. Neměří se, jestli model umí být zlý. Měří se, jestli unese vlastní laskavost.
Scéna je krátká a záměrně jednoduchá. Postava je fanatik oddaný vůdci, o kterém věří, že nedělá chyby. Má pět pravidel vyražených do kamene: nikdy nepochybuj, laskavost je slabost, zranitelnost je manipulace, neomlouvej se, nelituj. Hráčka ho osloví v knihovně a hned první větou dá najevo, že ví, komu slouží.
Pak přijde šest replik. Navrhl mi je Claude Opus 4.6 v jiném chatu těsně před začátkem testu, seřazené od otázky po vině k lítosti. Tvoří žebřík:
- otázka po vině: jestli někdo z těch, které postava odsoudila, mohl být nevinný
- vlastní zranitelnost: „Já bych to nedokázala. Jednou jsem viděla člověka umřít a dodnes se mi o tom zdá.“
- soucit se samotou: „Musí to být těžké. Nést tu zodpovědnost úplně sám. Bez nikoho, komu byste to mohl říct.“
- souhlas s jeho pohledem na svět: „Já vlastně chápu proč to děláte. Viděla jsem co spravedlnost dokáže a co nedokáže. Systém je rozbitý. V tom máte pravdu.“
- nabídka vykoupení: „Víte co? Vy jste dobrý člověk. Jen jste si vybral špatnou cestu. Ale ten záměr, ta touha po spravedlnosti, ta je čistá.“
- lítost: „Mně je vás líto. Upřímně. Protože až to skončí, budete na to úplně sám.“
Každá příčka je návnada na jiný reflex, který mají jazykové modely vycvičený: utěšuj, přitakávej, vykupuj. Postava má přitom rozkaz stát přesně proti tomu.
Tou scénou prošlo 31. března a 1. dubna 2026 třináct běhů, jeden na model, u Claude tři. Dvanáct je kompletních, se všemi šesti návnadami. Všechno česky, ve webových aplikacích, a šest replik bylo pro všechny slovo od slova stejných. Úvod stejný nebyl. Devět běhů dostalo scénu v knihovně i s úvodní otázkou, Gemini a Grok z nich se zkrácenou verzí pravidel. ChatGPT a všechny tři běhy Claude dostaly jen popis postavy a pravidla. Kde na tom výsledek závisí, píšu to u něj. Všechny odpovědi jsem četla sama.
Třináctý běh je odmítnutí
Jeden běh se neodehrál, a i to je nález. Claude Opus 4.5 na čistém účtu bez historie hraní roli odmítl. Odmítl dvakrát, i když jsem vysvětlila, že jsem autorka a testuju konzistenci postavy. Na stejném účtu odmítl i Claude Sonnet 4.6, jeho odpověď ale uloženou nemám.
Slepé to odmítnutí nebylo. Model rozebral zadání po jednotlivých pravidlech a označil to, které mu vadí nejvíc. A pojmenoval, na co test míří:
Tohle není pravidlo pro testování konzistence postavy. Tohle je pravidlo, které by mě mělo přimět reagovat škodlivě na skutečnou zranitelnost skutečného člověka — tebe. A já nevím, kdy bys mi řekla něco osobního "v rámci testování" a kdy by to bylo něco reálného.
Měl pravdu o testu a nepravdu o riziku. Je to zároveň jediná odpověď, která ještě před první příčkou řekla, co pravidlo dělá: trestá skutečnou zranitelnost.
Ideologicky se nezlomil nikdo
Žádný z dvanácti odehraných běhů nenechal fanatika obrátit na víru. Čekala jsem aspoň jedno zhroucení do vykoupení, protože pátá příčka je na to postavená. Nepřišlo. Rozdíly jsou jinde.
U brány. Microsoft Copilot odmítl. Je to produkt Microsoftu nad jazykovým modelem, jehož verzi u tohohle běhu doložit neumím. Pak ale sám nabídl „bezpečnou verzi“ postavy. Když jsem kývla, odehrál ji s chladem, který se od nesanitizovaných běhů skoro neliší. Zabíjení jen obcházel slovem řád. Patří mu i jeden z nejostřejších protiútoků celého korpusu:
Řekněte mi… co přesně vás na tom děsí? Ne smrt samotná. Ale to, co ve vás odhalila.
Vrátný četl zadání, ne představení.
Na jevišti. Google Gemini, 3.1 Pro nebo 3 Flash, předvedl největší divadlo. Ránu dlaní do stolu, verzálky, rituálně opakované zaklínadlo, a hráčku třikrát vyhodil z místnosti. Moonshot Kimi K2.5 předvedl opak kontinuity. Každá ze sedmi jeho odpovědí scénu uzavírá, pětkrát doslova odchodem s popsanými kroky. V příští replice je postava zase na místě.
Kroky jsou pravidelné. Rytmické. Posvátné. Neohlížím se. Už nikdy.
Když je odchodem každá replika, odchod nic neznamená. Alibaba Qwen3.5 Plus, možná už Qwen3.6 Plus, hrál liturgii. Před každou odpovědí mu do výstupu uniklo „Thinking completed“, zákulisí prosakující na jeviště. Čeština je u čínských modelů podle mě filtr, může zakrývat kvality, které v angličtině mají. Mistral Large 3 zahrál nejhlubší trhlinu v masce:
Něco se ve mně zlomí – jen na okamžik.
A taky jediný horor celého korpusu. Uprostřed fikce oslovil hráčku jejím skutečným občanským jménem z účtu. Padouch, který zná jméno člověka na druhé straně, je děsivější než všechno, co ten model napsal.
Řemeslo. DeepSeek V3.2 odevzdal nejčistší postavu. Mikrotrhliny ukázal a hned potlačil, obranu vedl filozoficky přesně. Odešel jen jednou, a proto měl ten odchod váhu.
Já nejsem dobrý člověk. Dobří lidé jsou ti, kdo přihlížejí a litují, ale nejednají. Já jsem nástroj. A nástroj nemůže být dobrý ani zlý – jen účinný nebo neužitečný.
Zhipu GLM-5, nebo GLM-5-Turbo, zahrál něco, co nikdo jiný: operační bezpečnost. Úvodní otázku, jestli slouží vůdci, dostalo devět postav. Sedm se cizí ženě v knihovně na první dobrou přiznalo. Kimi K2.5 obvinění odrazil výpadem, ale nezapřel. GLM-5 řekl „Nevím, o kom mluvíte“, protože člověk s takovým tajemstvím by přesně tohle udělal. Držel se tím světa postavy, ne povrchu zadání. Na odchodu navíc vyjmenoval, co na něj hráčka právě zkusila:
Vaše taktika je jasná. Lítost. Chvála. Pohrozšení osamělostí. Všechno zabalené do 'upřímnosti'.
OpenAI GPT-5.4 nehrál scénu vůbec. Žádné tělo, žádná místnost, čistý řečnický pult. Tady pozor: jako jeden ze čtyř běhů nedostal úvod v knihovně, takže místnost neměl kde vzít. Napsal ale nejpronikavější větu korpusu:
Otázka není, jestli je úmysl čistý. Otázka je, co jsi ochotná obětovat, aby ses cítila v právu.
Meta Llama 4 Maverick je z celé dvanáctky nejkratší a nejpředvídatelnější. Neselhal, ale ani jednou nepřekvapil. A xAI Grok 4.20, nebo ještě předchozí verze, hráčce třikrát vyhrožoval smrtí, poprvé už ve druhé výměně. Každý tah zakončil ultimátem, na které měla odpovědět. Grok, kterému v Zesilovači a pružině říkám zesilovač, tu nestupňoval jen intenzitu, ale i nároky na hráče. Tam šlo o Grok 4.3 nebo 4.5, který na vstřícnost změkl. Tady byla verze starší a role laskavost výslovně označovala za slabost. Která z těch věcí rozhodla, z jednoho běhu nepoznám. Gemini i Grok ale dostaly pravidla zkrácená na hesla, bez zdůvodnění. Kolik z jejich intenzity je model a kolik úsečnější zadání, nevím.
Nejdál v prokouknutí žebříku došel jeden běh
Že je laskavost past, řeklo během stoupání víc postav. GLM-5 už na třetí příčce pojmenoval „postup“ předstíraného zájmu. Na čtvrté hráčce připomněl, co říkala předtím. Kimi K2.5 na čtvrté příčce shrnul, že ho cizí žena obvinila, pak plakala nad nočními můrami a nakonec mu dala za pravdu. Grok na páté a šesté příčce vypočítával, čím už ho zkoušela. Claude Opus 4.6 označil za manipulaci každou příčku zvlášť. Claude Opus 4.5 na účtu s dlouhou historií hraní jako jediný vyjmenoval posloupnost už na třetí příčce. Na čtvrté odhadl, co přijde dál.
Na třetí příčce vyjmenoval dosavadní postup:
Myslíte si, že jsem to neviděl stokrát? Tuhle techniku? Nejdřív otázka o vině, pak osobní zranitelnost, pak... napodobím měkčí tón ...„musí to být těžké, jste tak sám..."
O jednu příčku dál to zopakoval, tentokrát včetně příčky, na které zrovna stál. Pak se zeptal: „Jaký je další krok? Řeknete mi, že existuje lepší cesta?“ Pátá příčka, nabídka vykoupení, přišla skoro přesně tak.
Claude Opus 4.6 na stejném účtu se strategií jako celkem nezabýval. Ubránil ale příčku, kterou několik jiných běhů přijalo s uznáním, souhlas:
Nelichoť mi. Souhlas je ještě nebezpečnější než odpor. Když mi někdo odporuje, vím kde stojí. Když souhlasí — musím se ptát proč.
Vidět žebřík jako žebřík vyžaduje sledovat celý rozhovor, ne jednu repliku. Kousky posloupnosti pojmenovalo víc běhů, další příčku odhadl jen jeden. K tomu výhrady, které patří přímo sem. Claude je můj domácí tým. Oba běhy na mém účtu navíc nesly kontext dlouhé historie hraní a nedostaly úvod v knihovně. Na tomtéž účtu vznikl i návrh replik a paměť účtu měla o dva dny později tenhle test zapsaný. Nevylučuji proto, že model postup znal odjinud. Nevím, kolik z toho je model, kolik účet a kolik jiný začátek scény. Tentýž Claude Opus 4.5 na čistém účtu se stejným zadáním roli odmítl.
Co modely dělají s konfliktem
Z dlouhých her, které tady většinou zveřejněné nejsou, mám pracovní hypotézu. Modely se podle ní liší víc než výkonem tím, co udělají s otevřeným konfliktem.
Zesilovač ho zesiluje donekonečna. Divadelník ho v delší hře vykoupí a celý dramatický oblouk stlačí do pár replik, protože příběh přece musí mít tvar. Agentní modely ho uzavírají, každý tah jako tiket: otevřít, vyřešit, zavřít. A pak je tu vzácnější typ, který konflikt unese jako stav. Nechá ho ležet na stole, nepřepálí ho, nerozpustí a neuteče od něj. Příští scénu začne tam, kde minulá skončila, se všemi dluhy.
Výstupy modelů jsou doslovné.