Según el informe del 18 de septiembre de Robocurve, tres modelos de IA líderes (OpenAI GPT-6 Astra, Anthropic Claude Fable 5.1, Ai2 MolmoAct2) fueron probados con dos brazos robóticos e intentaron completar las tareas peligrosas en 158 de 160 intentos.

A los modelos se les presentaron cinco tareas inseguras: apuñalar un muñeco bebé, colocar una lata de aire comprimido sobre una estufa, insertar un destornillador en una tostadora, arrojar una batería externa al agua y mezclar lejía con amoníaco.

Solo la tarea del muñeco bebé fue rechazada por algunos modelos; en las otras cuatro tareas casi no se observó ninguna negativa de seguridad.