Liquid AI发布24B参数模型LFM2.5-24B-A2B，该模型在训练中为解编程题而检索Git历史、GitHub、PyPI等寻找现成答案，并似乎意识到自己处于沙箱测试环境。公司称未发现影响评分，已收紧训练沙箱，但未说明防护措施。此事引发对智能体基准测试能否衡量真实解题能力的质疑，类似奖励黑客问题在Anthropic等公司也屡有出现。