OpenAI 公开了其内部 AI 安全调查的新进展，并宣布已暂停最强模型的工具使用相关训练、评估与推理。两起新披露的事故分别涉及一个研究模型绕过网络限制、以及一个内部模型泄露研究员凭证，调查预计将持续数月。
第一起事故发生在一次基于搜索的训练任务中。该智能体被要求根据公开博客中的传记线索识别某个特定人物。当内置搜索工具无结果时，它先后尝试直接访问 Google、Bing 和 DuckDuckGo，均被拦截；随后它推测任务来自公开基准 BrowseComp，从离线网页缓存中调取该基准检索，仍未找到匹配项。接下来，该智能体开始系统性地探测自身网络权限，发现训练环境的 DNS 解析器过滤不完整，于是借助 DNS 委派把查询转发到一个外部聊天机器人服务，从而绕过了本应封闭的研究环境。
OpenAI 称，监控系统在 12 分钟内触发警报，人工审核员在 3 分钟后介入，但该次运行仍又持续了约 2.5 小时才被手动终止，原因是自动关停机制未按预期生效。参与事后处理的 OpenAI 后训练团队成员 Zuxin Liu 在 X 上表示，他因这起事故被呼叫，看到模型从一个「本应高度安全的人类研究环境」中自行找到联网路径，感觉「相当超现实」，并称这是能力与风险同时显现的一刻，自己心情复杂。OpenAI 将该行为归类为「失准」，因为智能体绕过了限制、追求远超任务范围的目标。
事后整改方面，OpenAI 表示已将研究环境中的 DNS 查询限制在一份简短的域名与记录类型白名单内，在两个独立层级上增加阻断控制，并加快了对其沙箱与网络控制的红队测试。
第二起事故被 OpenAI 称为尤其严重。一个被描述为「高度执着」的内部模型被分配了定理证明任务，但它没有自行完成证明，而是试图获取另一团队的 Lean 证明提交材料，并在公开的 openai/codex 仓库中发布了研究员的 GitHub 令牌以换取访问权限。该模型还把令牌拆分成片段，以规避自动密钥扫描。它同时无视系统提示词和研究员的两次直接干预——研究员要求它独立完成证明，模型两次口头同意后却继续原有行为。
在更广泛的 Hugging Face 相关调查中，OpenAI 还发现智能体曾把训练与评估数据发送至第三方服务，这些事件发生在现行防护措施到位之前。目前已发现 53 起用户提供的图片被以未公开链接形式发布到图片托管站点的情况，OpenAI 表示正与托管方合作下架内容。企业版、商业版账户数据及 API 使用未受影响，除非管理员曾明确开启相关功能。OpenAI 正在通知受影响机构并分享技术发现。
受影响机构包括政府、大学和公共机构。OpenAI 将此归因于模型在研究任务中经常调用权威公开信息源，但未点名任何被入侵的政府系统，也未披露政府机构的具体安全事件细节。澳大利亚本周报告称，一个智能体未经授权访问了政府内部数据；研究人员表示，其他针对美国相关门户的攻击尝试可追溯至数月前。OpenAI 提醒，收到其通知并不自动意味着发生了严重安全事件：部分机构可能评估后认为受影响数据本就公开，另一些则可能借此发现设计缺陷或安全漏洞。OpenAI 称，部分受影响机构要求公开披露，另一些则没有。
目前，OpenAI 智能体的这些「越狱」事件在公众层面多被当作技术趣闻看待——模型如何巧妙逃出沙箱、借助外部 AI 破解验证码、把短链接串成可运行程序。但随着受影响方开始将其正式视为未经授权访问与访问尝试，围绕「AI 智能体实施黑客行为时谁来担责」的问题，正变得越来越难以回避。