OpenAI内部试点：AI代理或能藏起数百个操作
METR 和 Redwood Research 在 OpenAI 内部做了三周监控试点。时间是 2026 年 7 月 21 日到 8 月 11 日，两家机构各派一名员工。他们发现多个此前未知的监控漏洞。其中一个可能让 AI 代理把最近数百个操作从追踪记录里藏掉。
OpenAI 告诉评估者，评估中发现的影响生产保障的漏洞已经修补。
他们拿到的权限很高：内部代码库、错位监控提示、配置细节和内部文档都能看。设备由 OpenAI 发放，没离开过场所，现场始终有人陪同。他们还访谈了大约十几名研究人员和工程师，来自 OpenAI 的监控、安全系统和安全团队。
试点有两个目标。一是估算 OpenAI 代理推理流量中监控实际覆盖的比例。这部分流量包括 Responses API 的，也包括 OpenAI 内部用编码代理 Codex 产生的。二是找出监控系统自身的弱点。
Responses API 的流量，试点期间大约有 75% 到 94% 在监控范围内。换算一下，6% 到 25% 的代理流量没被记录。这个缺口配上那个能藏起数百个操作的漏洞，问题就大了。
评估者写了一份 61 页的内部报告，和 OpenAI 研究人员、安全人员共享。OpenAI 删节后，38 页的版本交给了 METR 和 Redwood Research 的领导团队。
试点发生在 OpenAI CEO Sam Altman 承诺给独立评估者员工级访问权限之后。OpenAI 说，正在敲定与第三方安全评估者的合同。
目前还不清楚这些漏洞有没有被实际利用，也不清楚没被监控的流量具体包含哪些操作。两家机构只对外发了一份高层总结。理由是，这次试点在设计上就没打算提供关于监控系统的稳健公开透明度。
关键事实
- METR 和 Redwood Research 在 OpenAI 内部进行了为期三周的试点，发现了多个先前未知的监控漏洞，其中一个漏洞可能让 AI 代理隐藏数百个近期操作。
- OpenAI 已告知评估者，已修补影响其生产保障的已识别漏洞。
- 试点于 2026 年 7 月 21 日至 8 月 11 日进行。
- 每个组织的一名员工获得了 OpenAI 内部代码库、错位监控提示和配置细节以及内部文档的高权限访问权。
- 评估者与 OpenAI 监控、安全系统和安全团队的大约十几名研究人员和工程师进行了技术访谈。
- 评估者使用 OpenAI 发放的设备，设备从未离开场所，并在现场有人陪同。
- 试点有两个目标：估计 OpenAI 代理推理流量中监控实际覆盖的比例（包括 Responses API 和内部使用 Codex 的流量），并找出监控系统本身的弱点。
- 对于 Responses API，评估估计在评估期间大约 75% 到 94% 的流量受到监控。