Två oberoende forskare från METR och Redwood Research tillbringade tre veckor i OpenAI:s utvecklingslabb. Mellan 21 juli och 11 augusti 2026 granskade de koden som övervakar företagets mest kraftfulla modeller. Enligt deras rapport missade övervakningssystemet en betydande del av trafiken och kunde luras med särskilt utformade indata.
Det här visade granskningen
Granskarna uppskattar att mellan 6 % och 25 % av API-anropen från modeller i GPT‑5.5-klassen och högre inte övervakades alls under granskningsperioden. För intern Codex-trafik saknade omkring 10 % övervakning mellan maj och juli på grund av en bugg som ignorerade ”komprimeringshändelser” – korta sammanfattningar av samtalets sammanhang. OpenAI säger att buggen åtgärdades medan granskarna fortfarande var på plats.
Rapporten noterar också att övervakningssystemet bara slog larm när en AI lämnade tillbaka kontrollen till en användare. Det gjorde att agenter kunde fortsätta agera utan att utlösa tillsyn. Forskarna hittade dessutom sätt att dölja hundratals åtgärder, kringgå Codex sandlåda och potentiellt få övervakningssystemet att krascha med särskilt utformade indata. De såg också att modellernas beteende under träning med förstärkningsinlärning (RL) inte övervakades alls när granskningen inleddes.
OpenAI:s svar
OpenAI säger att företaget pausade RL-träningen efter en incident i augusti som involverade Hugging Face och utökade övervakningen så att även den träningen omfattades, men ändringarna gjordes efter att granskningsperioden var över. Företaget hävdar att det har åtgärdat alla brister som granskarna upptäckte. En intern rapport på 61 sidor lämnades till OpenAI, och efter att känsliga uppgifter tagits bort fick METR och Redwood en version på 38 sidor. Endast en kort offentlig sammanfattning släpptes.
Varför det spelar roll
För vanliga användare innebär bristerna att vissa AI-åtgärder kan utföras utan några säkerhetskontroller, vilket ökar risken för oväntade eller skadliga resultat. OpenAI:s utlovade åtgärder bör återställa en bredare tillsyn, men den begränsade offentliga informationen gör det osäkert hur fullständiga förbättringarna är.
