METR 和 Redwood Research 的两名独立研究人员在 OpenAI 的工程实验室内工作了三周。2026 年 7 月 21 日至 8 月 11 日期间，他们检查了用于监控该公司最强大模型的代码。报告称，监控系统漏掉了相当一部分流量，也可能被精心设计的输入欺骗。
审计发现了什么
审计人员估计，在审计期间，GPT‑5.5 级及更高阶模型发出的 API 调用中，有 6% 至 25% 完全未受到监控。5 月至 7 月期间，约 10% 的内部 Codex 流量未被追踪，原因是一个程序漏洞忽略了“压缩事件”——这类事件会生成对话上下文的简短摘要。OpenAI 表示，审计人员仍在现场时，公司就修复了这一漏洞。
报告还指出，只有当 AI 将控制权交还给用户时，监控系统才会发出警报。这使 AI 代理能够继续行动而不触发监督。此外，研究人员还发现了隐藏数百项操作、绕过 Codex 沙箱，以及可能通过精心设计的输入导致监控系统崩溃的方法。审计刚开始时，他们发现强化学习（RL）训练期间的模型行为完全没有受到监控。
OpenAI 的回应
OpenAI 表示，在 8 月发生一起涉及 Hugging Face 的事件后，公司暂停了 RL 训练，并扩大监控范围，将相关训练也纳入其中；但这些改动是在审计窗口结束后才进行的。公司称，审计人员指出的所有漏洞都已修复。OpenAI 收到了一份 61 页的内部报告；经删节后，METR 和 Redwood 收到了一份 38 页的版本。对外仅发布了一份简短摘要。
为什么重要
对普通用户而言，这些监控缺口意味着部分 AI 操作可能在完全没有安全检查的情况下运行，从而增加产生意外或有害输出的风险。OpenAI 承诺的修复措施应能恢复更全面的监督，但公开信息有限，因此这些改进是否完善仍不明确。
