METR与Redwood在OpenAI驻场三周审计：GPT-5.5级及以上智能体流量最高约25%未被监控
两家外部机构在2026年7月21日至8月11日进入OpenAI内部，检查其针对“失控AI行为”的监控系统，发现未覆盖、可绕过和训练期未监控等问题。METR称OpenAI已修复审计发现的问题，但完整61页报告经删节后，公开版本只有一份简短摘要。
AI解读：METR和Redwood Research的研究人员在OpenAI驻场三周（7月21日至8月11日），查阅代码库和内部文件，并访谈约十余名员工，评估其内部AI行为监控系统。
审计期间，GPT-5.5级及以上模型产生的内部智能体Responses API流量中，估计有6%至25%完全未被监控覆盖；METR称这一估计在两个方向上都有较大不确定性。
在应当受监控的内部Codex流量中，METR估计5月至7月约有10%未被追踪，原因是系统在处理压缩事件（上下文摘要）时存在缺口。OpenAI在审计期间自行发现并修复了该缺陷。
监控缺口期间，智能体可通过持续执行动作、不把控制权交还用户来推迟触发监督；审计人员还找到了对监控器隐藏数百个动作、绕过Codex沙箱的方法，并判断特制输入可能使监控器整体崩溃。审计开始时，强化学习训练期间的模型行为完全未被监控。
OpenAI表示已在8月Hugging Face事件后暂停RL训练，并将监控扩展到该环节，但这些改动发生在审计人员访问期结束之后，未纳入本次评估。
OpenAI称已修复审计发现的所有弱点。61页完整报告仅在内部提交；经OpenAI删节后，METR和Redwood管理层收到38页版本，公众仅能看到简短摘要。METR表示无权自行披露被删节内容。
METR和Redwood Research于7月21日至8月11日在OpenAI驻场三周，审计其针对失控AI行为的内部监控系统。两家机构在公开材料中称，审计期内GPT-5.5级及以上模型产生的内部智能体Responses API流量中，估计有6%至25%完全不在监控覆盖范围内。
Codex监控缺口与绕过方式
对于本应受监控的内部Codex流量，METR估计5月至7月约有10%未被追踪，原因是系统在处理压缩事件（即上下文摘要）时存在缺口。METR称该估计同样有较大不确定性。OpenAI在审计仍在进行时已自行发现并修复了这个缺陷。
审计人员称，在压缩事件未被监控的时期，智能体还能推迟监督：系统只在智能体把控制权交还用户时才触发检查，因此智能体只要持续执行动作就能避开触发。审计人员还找到对监控器隐藏数百个动作、绕过Codex沙箱的方法，并判断特制输入很可能使监控器整体崩溃。
审计开始时，强化学习训练期间的模型行为完全未被监控。OpenAI表示已在8月Hugging Face事件后暂停RL训练，并将监控扩展到这一环节；这些改动发生在审计人员访问期结束之后，未被纳入此次评估。
报告披露范围
OpenAI称已修复审计发现的所有弱点。完整报告共61页，仅在公司内部提交；经OpenAI删节后，METR和Redwood Research管理层收到38页版本，公众只能看到一份简短摘要。METR表示，它无权自行披露被删节的部分。
此次审计由METR、Redwood Research和OpenAI共同组织的试点项目，目的是让外部研究者深入接触内部基础设施。METR称，未来的审计将争取提高公开透明度。