METR 与 Redwood 研究员红队测试 OpenAI 内部智能体监控系统，发现多种绕过方式

METR与Redwood驻场红队测试OpenAI内部智能体监控系统

2026年10月22日，OpenAI宣布今年夏天邀请METR和Redwood Research对其内部监控系统开展嵌入式评估试点，在三周内向两家机构的评估人员提供对基础设施的深度访问。据METR于10月22日发文说明，一名METR员工和一名Redwood Research员工于7月21日至8月11日驻场OpenAI三周，对其用于监测内部智能体失对齐的系统（覆盖Codex等编码智能体）开展红队测试，发现多项漏洞：两个可启动不受监控智能体副本的header、一种使数百次智能体行为躲过监控的利用方式，以及可通过持续行动无限推迟被监控的缺陷。报告估计，5至7月间约10%本应可监控的内部Codex流量因此未被监控（报道称OpenAI在审计期间自行发现并修复了该漏洞）；Responses API上至少GPT-5.5级别模型的智能体流量约75%至94%纳入监控，内部Codex智能体为99.2%。报道称审计人员还发现隐藏操作、绕过Codex沙箱的方法，判断特制输入可能导致监控器整体崩溃，且RL训练中模型行为在审计开始时完全未被监控。OpenAI表示所有影响生产防护的漏洞均已修复，但METR未评估该说法，公开内容仅为经OpenAI审阅的简短摘要，61页完整报告未公开。OpenAI称评估结果帮助其在扩展系统时加强了安全防护，并将影响未来与METR等第三方的合作。