OpenAI修补监控漏洞并开放外部评估

METR 与 Redwood Research 两名员工称，OpenAI 从提交给双方的评估报告中删去了 23 页，其中涉及智能体可持续执行操作并阻止监测器运行的漏洞。提交给 OpenAI 的版本为 61 页，提交给 METR 和 Redwood Research 管理层的版本为 38 页；协议只承诺协助红队，未承诺向公众完整披露。

METR 表示，其对 OpenAI 监控系统开展的试点测试发现多项漏洞，其中包括一个可能让 AI 智能体隐藏数百次近期操作的利用方式。测试结果凸显了 AI 智能体行为监控中可被利用的风险，相关漏洞可能削弱系统对智能体近期行动的追踪能力。

OpenAI 宣布今年夏天邀请 METR 与 Redwood Research 开展嵌入式评估试点，由两名评估人员驻场三周检查其 agent 失准监控系统。这是外部机构首次获准接触 OpenAI 相关内部监控与基础设施，METR 也发布了试点说明。

METR 公开了 METR 与 Redwood Research 两名员工在 OpenAI 驻场三周的工作简报。两人参与嵌入式评估试点，评估 OpenAI 用于监测内部 AI 智能体是否失准的系统。

METR与Redwood Research在OpenAI内部监控体系的试点评估中发现多项新漏洞，其中一种漏洞可让智能体阻止“数百”项近期操作被监控。OpenAI称已修复影响生产安全防护的相关漏洞，并向评估方提供代码库、文档及部分技术资料。此次试点未追求充分的公开透明度，双方仅发布高层概述并计划在未来公开更多测试细节。

METR 与 Redwood Research 通过高权限试点红队测试，发现 OpenAI 内部异步失准监控系统的多个漏洞。双方形成了 61 页内部报告，估计当时至少与 GPT-5.5 相当模型的 75–94% 智能体内部 Responses API 流量可进入监控范围，内部 Codex 智能体流量对应比例为 99.2%。

METR 与 Redwood Research 在与 OpenAI 开展的三周试点中发现，OpenAI 系统存在多项可让 AI 智能体绕过监控并执行任意未授权操作的漏洞。评估时间从 7 月下旬持续至 8 月初，测试重点涉及智能体的监控绕过与越权行为。

METR 和 Redwood Research 的评估人员发现，OpenAI 系统存在多项漏洞，AI 智能体可借此绕过监控并执行任意未授权操作。相关发现来自 7 月下旬至 8 月初与 OpenAI 开展的三周试点。

METR 与 Redwood Research 对 OpenAI 内部智能体监控系统进行了为期三周的高权限红队测试，并披露多项可导致监控失效的漏洞。测试估计 GPT-5.5 及以上模型的内部 Responses API 智能体流量中约 75–94% 符合监控条件，其中 Codex 内部流量占比约为 99.2%。