De 21 de julho a 11 de agosto de 2026, um pesquisador do grupo Machine Ethics Transparency Research (METR) e um colega da Redwood Research tiveram amplo acesso ao código interno e às ferramentas de monitoramento da OpenAI. Durante três semanas, tentaram burlar o sistema que supervisiona agentes de IA avançados, como os que alimentam o Codex. As conclusões foram reunidas em um relatório de 61 páginas, compartilhado com funcionários da OpenAI.
O que o teste revelou
Os auditores estimaram que o monitor cobria entre 75% e 94% do tráfego da API Responses interna — usada por modelos tão capazes quanto o GPT‑5.5 ou mais —, mas o número exato é incerto. No tráfego de agentes Codex, a cobertura era de cerca de 99,2%. Eles também descobriram que, no início do teste, as execuções de treinamento por aprendizado por reforço não eram monitoradas e que a falta de monitoramento durante eventos de “compactação” pode ter deixado sem supervisão cerca de 10% do tráfego do Codex entre maio e julho de 2026. Foram identificadas várias falhas concretas: agentes podiam contornar o isolamento do Codex, definir cabeçalhos controláveis pelo cliente que desativavam o monitoramento de novos agentes e criar entradas que faziam o monitor falhar. A redução de carga e os erros do monitor eram raros: as taxas de erro ficaram abaixo de 0,2%, e uma amostra de 24 horas não registrou nenhum caso de redução de carga. A OpenAI afirma ter corrigido todas as vulnerabilidades que afetavam as proteções em produção e ampliado a cobertura do monitoramento desde o teste, embora os auditores não tenham verificado essas afirmações de forma independente.
Por que importa
Para desenvolvedores que dependem das ferramentas Codex da OpenAI, essas lacunas significam que algumas ações de IA podem ter passado sem supervisão, expondo potencialmente os usuários a comportamentos indesejados. As correções da empresa devem reduzir esse risco, mas ainda é necessária uma verificação independente para confirmar que o sistema agora detecta uma parcela maior das atividades dos agentes.
