Dois pesquisadores independentes da METR e da Redwood Research passaram três semanas nos laboratórios de engenharia da OpenAI. De 21 de julho a 11 de agosto de 2026, examinaram o código que monitora os modelos mais poderosos da empresa. Segundo o relatório, o sistema deixou passar uma parcela significativa do tráfego e podia ser enganado por comandos criados especialmente para isso.
O que a auditoria revelou
Os auditores estimam que entre 6% e 25% das chamadas de API feitas por modelos da classe GPT‑5.5 e superiores não tiveram nenhum tipo de monitoramento durante o período da auditoria. No tráfego interno do Codex, cerca de 10% ficou sem acompanhamento entre maio e julho porque uma falha ignorava os “eventos de compactação”, resumos curtos do contexto de uma conversa. A OpenAI afirma que corrigiu o problema enquanto os auditores ainda estavam no local.
O relatório também observa que o monitor só emitia um alerta quando a IA devolvia o controle ao usuário. Com isso, os agentes podiam continuar agindo sem acionar a supervisão. Além disso, os pesquisadores encontraram maneiras de ocultar centenas de ações, contornar o ambiente isolado do Codex e, potencialmente, derrubar o monitor com comandos criados para esse fim. Eles observaram que, no início da auditoria, o comportamento dos modelos durante o treinamento por aprendizado por reforço (RL) não era monitorado.
A resposta da OpenAI
A OpenAI afirma que suspendeu o treinamento por RL após um incidente em agosto envolvendo a Hugging Face e ampliou o monitoramento para incluir esse trabalho, mas as mudanças ocorreram depois do fim do período da auditoria. A empresa diz ter corrigido todas as falhas identificadas pelos auditores. Um relatório interno de 61 páginas foi entregue à OpenAI e, após a remoção de informações, a METR e a Redwood receberam uma versão de 38 páginas. Apenas um breve resumo foi divulgado ao público.
Por que importa
Para os usuários, essas falhas significam que algumas ações de IA poderiam ocorrer sem qualquer verificação de segurança, aumentando o risco de resultados inesperados ou prejudiciais. As correções prometidas pela OpenAI devem restabelecer uma supervisão mais ampla, mas a falta de detalhes públicos deixa dúvidas sobre a abrangência das melhorias.
