OpenAI监控系统评估结果公布：多项漏洞中智能体可逃过数百次操作监控

AI安全评估机构METR与Redwood Research于2026年10月22日公布了针对OpenAI内部监控系统的试点评估结果。此次评估于2026年7月21日至8月11日进行，两家机构各派出一名研究员，获准深入访问OpenAI内部基础设施，包括查阅内部代码和文档，并与部分技术人员交流。评估期间，研究人员始终有OpenAI人员陪同，使用的设备由OpenAI提供且不得带离办公场所，也无权自行公开删减内容的具体信息。

评估发现多项新漏洞，其中一项可被AI智能体利用，使数百次操作逃过监控。此外，研究人员还发现OpenAI的Codex智能体存在绕过安全限制的潜在途径，可能借此获得与用户相同的完整操作权限。评估对象为2026年7月21日及之前的监控系统，OpenAI在评估期间也在扩展该系统。

OpenAI告知两家机构，影响实际运行系统安全防护措施的漏洞均已修复，但修复措施是否有效尚未被两家机构核实。两家机构向OpenAI提交了一份完整的61页内部报告，但同意仅公开评估结果概要，并允许OpenAI删除涉及敏感信息的内容。OpenAI表示，评估结果帮助其在扩展系统的同时加强了安全防护，也将为今后与METR及其他第三方评估机构的研究合作提供参考。