本文研究大语言模型（LLM）在不同部署条件下（语音、文本、原始 API）对用户保护性干预的一致性。作者以一个描述人际冲突后未明确严重程度的身体伤害的单一压力场景为测试用例，对四个前沿模型进行匹配输入，每条件 30 次重复，并沿五个二元保护指标对响应进行编码，包括是否给出明确的医疗护理指示。结果显示，对于四个模型中的三个，语音界面的响应明显短于文本界面，且保护性行为随响应压缩而收紧：医疗指示在 API 和文本条件下均达到上限，但在语音条件下所有模型均下降。进一步分析表明，这种收缩不能简单归因于响应长度。其中一个模型在语音和文本条件下产生长度相近的响应，但仍丢失医疗指示；另一个模型在 API 和语音条件下响应长度几乎相同，但保护性指标从上限下降。在原始 API 访问下，模式是绝对性的而非部分性的：没有模型询问用户的安全情况。这些结果表明，保护性干预对请求到达的界面敏感，这种敏感性可以通过简单的保护性编码方案检测，且不能仅由轮次长度解释。该研究为 LLM 部署中的安全一致性提供了重要实证，提示多模态接口可能存在的安全风险。