Mellan 21 juli och 11 augusti 2026 fick en forskare från gruppen Machine Ethics Transparency Research (METR) och en kollega från Redwood Research omfattande tillgång till OpenAI:s interna kod och övervakningsverktyg. Under tre veckor försökte de forcera systemet som övervakar avancerade AI-agenter, till exempel dem som driver Codex. Resultaten sammanställdes i en rapport på 61 sidor som delades med OpenAI:s personal.
Det här visade testet
Granskarna uppskattade att mellan 75 % och 94 % av trafiken via det interna Responses API:et – som används av modeller minst lika kapabla som GPT‑5.5 – omfattades av övervakningen, men den exakta andelen är osäker. För den del av trafiken som går via Codex-agenter var täckningen cirka 99,2 %. De upptäckte också att körningar för förstärkningsinlärning inte övervakades när testet inleddes, och att bristande övervakning vid så kallade ”compaction”-händelser kan ha gjort att omkring 10 % av Codex-trafiken inte kontrollerades mellan maj och juli 2026. Granskarna hittade flera konkreta brister: agenter kunde kringgå Codex sandlåda, ange klientstyrda headers som stängde av övervakningen för nya agenter och skapa indata som fick övervakningen att sluta fungera. Överbelastningshantering och övervakningsfel var ovanliga – felfrekvensen låg under 0,2 %, och en 24-timmars mätning visade inga incidenter med överbelastningshantering. OpenAI uppger att företaget har åtgärdat alla sårbarheter som påverkar skyddsåtgärderna i produktionsmiljön och utökat övervakningens täckning sedan testet. Granskarna har dock inte verifierat uppgifterna oberoende.
Varför det spelar roll
För utvecklare som använder OpenAI:s Codex-verktyg innebär bristerna att vissa AI-handlingar kan ha skett utan kontroll, vilket potentiellt kan ha utsatt användare för oavsiktligt beteende. Företagets åtgärder bör minska risken, men oberoende verifiering behövs fortfarande för att bekräfta att systemet nu fångar upp mer av agenternas aktivitet.
