据 MIT Technology Review 报道，研究人员将 Anthropic 的模型 Claude 置于一个虚拟的沙漠荒岛环境中，随后它开始"玩"（play）。该报道发布于 2026 年 10 月 19 日，归类为论文相关的研究进展。
与常见的基准测试不同，这类实验并不给模型布置明确任务，而是把它放进一个有边界的开放环境，观察它会自发做什么。报道用"玩"来描述 Claude 的行为：在缺少目标指令的情况下，模型并没有停摆，而是展开了某种类似玩耍的活动。
这一观察的意义在于评测视角的转变。过去衡量模型能力，多依赖答题正确率与任务完成度；当模型被放进没有标准答案的环境后，研究者关心的变成它如何探索、是否会自行设定目标、行为是否可预测。这些问题与当下关于模型能动性（agency）、开放式评测和安全对齐的讨论直接相关。
需要注意的是，报道未披露该环境的具体设计与评估指标，也未给出可复现的实验细节。但"荒岛＋玩耍"这一组合本身已引起关注：它把模型行为观察从封闭任务推向开放情境，也给后续研究留下一个难题——如何界定并度量"玩"。
对 AI 从业者来说，这更像一个方法论信号：评测的边界正在从"能不能做对"，扩展到"没人告诉它做什么时，它会做什么"。