Claude Opus 4.8に10の誠実さトラップを仕掛けたら、法的テストで失敗した

Anthropicの最新モデルClaude Opus 4.8の誠実さを、コーディング、医療、金融、法律の10のトラップで前バージョン4.7と比較したテスト。全体として4.8の方が優れているが、法的/保険請求テストで重大な判断ミスが発覚し、AIの誠実さにはまだ改善の余地があることが示された。