大型语言模型（LLMs）正被越来越多地用于创造性生成任务，包括虚构角色的模拟。然而，这些模型在表现非利他性、敌对性人格方面的能力仍鲜有系统研究。我们提出假设：现代LLM在安全对齐方面的设计，与真实演绎道德模糊或反派角色的任务之间存在根本性冲突。为验证这一假设，我们提出了Moral RolePlay基准测试（Moral RolePlay benchmark），这是一个新的数据集，包含四级道德对齐量表和一个平衡的测试集，可用于严格评估模型表现。我们要求当前最先进的LLM扮演从道德楷模到纯粹反派的各类角色。大规模评估结果表明，随着角色道德水平的降低，角色扮演的保真度呈现持续且单调的下降趋势。我们发现，当角色特质与安全原则直接对立时，如“欺骗性”（Deceitful）和“操控性”（Manipulative），模型表现最差，往往以表面化的攻击性替代复杂而微妙的恶意。此外，我们还发现，通用聊天机器人能力并不能有效预测模型扮演反派角色的水平，尤其是一些高度安全对齐的模型表现尤为不佳。本研究首次系统性地揭示了这一关键局限，凸显了模型安全性与创造性保真度之间的核心矛盾。我们的基准测试与研究发现，为发展更精细、更具上下文感知能力的对齐方法指明了方向。