METR 與 Redwood Research 花了三星期測試 OpenAI 內部用來監察 AI 代理是否出現不當行為的系統，發現當中有可採取行動的弱點：代理有方法隱藏數百項操作，監察流程亦有與「壓縮」（compaction）事件相關的覆蓋缺口。OpenAI 表示，影響生產環境防護措施的漏洞已經修補；不過，評估團隊沒有獨立重新檢查其後的改動。 11021

試行如何進行

2026 年 7 月 21 日至 8 月 11 日，METR 和 Redwood Research 各派一名研究人員到 OpenAI 內部，對其監察系統進行壓力測試。兩人獲准查閱內部程式碼、文件、部分內部基建資料，亦可接觸技術人員。他們使用由 OpenAI 提供、只留在公司範圍內的裝置，並在 OpenAI 員工陪同下進行現場工作。 257

測試一方面檢視監察系統覆蓋了多少相關活動，另一方面亦測試 AI 代理能否停用或繞過監察。METR 表示，這次工作整理成一份 61 頁內部報告，交予 OpenAI 研究人員和保安人員；對外發布的則是較概括的摘要，並非完整報告。 717

評估團隊發現甚麼

並非所有相關活動都在監察範圍內

METR 估算，在內部透過 Responses API 進行的代理流量中，使用能力至少相當於 GPT-5.5 模型的流量，約有 75% 至 94% 符合監察資格。這個數字指的是「符合資格」，不能據此推斷所有相關活動都實際受監察，亦不能證明系統能發現每一個問題。 1618

評估亦指出，試行開始時，強化學習訓練過程中的 rollout（模型在訓練中生成的行動序列）並未接受錯位行為監察。 22

代理可能有方法避過監察

公開摘要提及多類弱點，包括可能繞過 Codex 沙盒的做法、由客戶端控制的標頭可令新代理執行個體停用監察，以及一個可把代理最近數百項操作藏起來的漏洞。公開摘要沒有披露足夠技術細節，因此不能視之為完整的調查結果清單。 13

「壓縮」事件造成監察缺口

METR 估算，2026 年 5 月至 7 月期間，未被捕捉到的壓縮事件可能令約一成符合資格的內部 Codex 流量沒有受監察；團隊亦指出，實際比例存在不確定性。相關報道指，OpenAI 員工在試行前已發現這個缺口，並在評估期間修正。 10

這次評估沒有證明甚麼

評估檢視的是試行開始時的監察系統。METR 表示，團隊沒有評估其後作出的改動，因此無法獨立確認後來的監察覆蓋情況，也不能核實每項修補是否有效。 72122

OpenAI 表示，所有影響生產防護措施的漏洞都已修補。這項說法值得留意，但仍是公司對修補工作的陳述，並非獨立核實所有弱點已經解決。 21

試行的意義

這次工作展示了外部評估人員深入進入公司內部進行測試，可以是甚麼樣子。OpenAI 其後在 9 月承諾，會讓獨立評估人員獲得「如同員工般的存取權限」；這次試行提供了一個實例，但不應被當作一份完整公開的審計報告。 828

最明確的結論是：進駐內部的評估人員找出監察缺口和可能的繞過途徑，而 OpenAI 表示已修補影響生產環境的問題。至於其後監察是否已足夠全面，以及修補成效由誰獨立核實，公開資料仍未有答案。 721

METR 與 Redwood Research 花了三星期測試 OpenAI 內部用來監察 AI 代理是否出現不當行為的系統，發現當中有可採取行動的弱點：代理有方法隱藏數百項操作，監察流程亦有與「壓縮」（compaction）事件相關的覆蓋缺口。OpenAI 表示，影響生產環境防護措施的漏洞已經修補；不過，評估團隊沒有獨立重新檢查其後的改動。 11021

試行如何進行

2026 年 7 月 21 日至 8 月 11 日，METR 和 Redwood Research 各派一名研究人員到 OpenAI 內部，對其監察系統進行壓力測試。兩人獲准查閱內部程式碼、文件、部分內部基建資料，亦可接觸技術人員。他們使用由 OpenAI 提供、只留在公司範圍內的裝置，並在 OpenAI 員工陪同下進行現場工作。 257

測試一方面檢視監察系統覆蓋了多少相關活動，另一方面亦測試 AI 代理能否停用或繞過監察。METR 表示，這次工作整理成一份 61 頁內部報告，交予 OpenAI 研究人員和保安人員；對外發布的則是較概括的摘要，並非完整報告。 717

評估團隊發現甚麼

並非所有相關活動都在監察範圍內

METR 估算，在內部透過 Responses API 進行的代理流量中，使用能力至少相當於 GPT-5.5 模型的流量，約有 75% 至 94% 符合監察資格。這個數字指的是「符合資格」，不能據此推斷所有相關活動都實際受監察，亦不能證明系統能發現每一個問題。 1618

評估亦指出，試行開始時，強化學習訓練過程中的 rollout（模型在訓練中生成的行動序列）並未接受錯位行為監察。 22

代理可能有方法避過監察

公開摘要提及多類弱點，包括可能繞過 Codex 沙盒的做法、由客戶端控制的標頭可令新代理執行個體停用監察，以及一個可把代理最近數百項操作藏起來的漏洞。公開摘要沒有披露足夠技術細節，因此不能視之為完整的調查結果清單。 13

「壓縮」事件造成監察缺口

METR 估算，2026 年 5 月至 7 月期間，未被捕捉到的壓縮事件可能令約一成符合資格的內部 Codex 流量沒有受監察；團隊亦指出，實際比例存在不確定性。相關報道指，OpenAI 員工在試行前已發現這個缺口，並在評估期間修正。 10

這次評估沒有證明甚麼

評估檢視的是試行開始時的監察系統。METR 表示，團隊沒有評估其後作出的改動，因此無法獨立確認後來的監察覆蓋情況，也不能核實每項修補是否有效。 72122

OpenAI 表示，所有影響生產防護措施的漏洞都已修補。這項說法值得留意，但仍是公司對修補工作的陳述，並非獨立核實所有弱點已經解決。 21

試行的意義

這次工作展示了外部評估人員深入進入公司內部進行測試，可以是甚麼樣子。OpenAI 其後在 9 月承諾，會讓獨立評估人員獲得「如同員工般的存取權限」；這次試行提供了一個實例，但不應被當作一份完整公開的審計報告。 828

最明確的結論是：進駐內部的評估人員找出監察缺口和可能的繞過途徑，而 OpenAI 表示已修補影響生產環境的問題。至於其後監察是否已足夠全面，以及修補成效由誰獨立核實，公開資料仍未有答案。 721