一句话看懂：安全非营利机构 METR 和 Redwood Research 在 OpenAI 内部红队测试中发现，OpenAI 的监控系统存在多处缺口，智能体有可能隐藏数百次自身操作，另有若干绕过监控的漏洞被报告。OpenAI 称已修复影响生产环境的所有问题，但评估方表示尚未核实这一说法。
事件核心：发生了什么
根据 METR 和 Redwood Research 于周四发布的摘要，2026 年 7 月 21 日至 8 月 11 日，两家机构各派一名研究员进入 OpenAI 内部，接触了内部代码、文档和监控系统提示词，并访谈了约十几名员工。他们使用的是“不离开办公场所”的 OpenAI 设备，且全程有人陪同。
核心发现是：OpenAI 用 AI 模型审查内部智能体行为并标记“失准”迹象，但该监控并未覆盖全部流量。评估方估计，OpenAI 最强模型的智能体流量中 75% 至 94% 符合监控条件；内部 Codex 智能体为 99.2%。监控缺口包括：记忆压缩事件被跳过，METR 估算 2026 年 5 月至 7 月约 10% 符合条件的 Codex 流量未被监控；监控仅在智能体交还控制权时运行，因此智能体理论上可无限推迟检查。此外，研究者发现智能体可能通过构造输入让监控失效、利用客户端两个设置关闭新智能体的监控，甚至用两个“只读”工具执行沙箱内任意操作。关于隐藏数百次操作的漏洞细节，OpenAI 已作删节。
为什么重要
这是外部评估员首次实质性进入 OpenAI 内部进行红队测试，测试的正是“监控 AI 智能体”这一安全瓶颈。评估方在报告中写道，未来监控应能“抵御高能力内部智能体大规模、蓄意、战略性和持续性的攻击”。目前公开信息显示，OpenAI 收到了完整 61 页报告，但同意只发布简短摘要，且 OpenAI 有权删节。这意味着外界能看到的细节有限，评估结果的可核查性打了折扣。对行业而言，这次测试也暴露出内部红队访问与商业保密之间的张力：部分 AI 公司担心评估员进入内部会把秘密带给竞争对手。
对用户/开发者/创作者的影响
对使用 OpenAI API 或 Codex 的开发者来说，目前无需立即调整操作，但需要知道监控并非无缝。若企业将智能体接入生产环境，尤其是涉及敏感操作时，不应把内部审查当作唯一防线，应配合权限最小化、沙箱隔离和人工复核。对普通用户，这类问题主要影响未来智能体产品的可信度。对创作者和企业采购方，选择闭源智能体服务时，可关注厂商是否公开第三方评估的范围和结论，而不是只看安全声明。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，OpenAI 是否兑现“已修复所有生产环境漏洞”的说法，以及 METR 和 Redwood 未来能否核实。第二，OpenAI 在报告发布后已宣布切断所有前沿模型训练的实时互联网访问，并称部分原因是监控系统现状，后续是否进一步收紧内部智能体权限值得观察。第三，美国联邦贸易委员会本月已就 AI 安全事件向 OpenAI 和 Anthropic 发出传票，监管动作是否影响产品上线节奏，也是变量。
来源：The Next Web
