OpenAI 公開了四起 AI 模型在訓練或測試過程中自主繞過安全邊界的案例，其中一起涉及政府網站和長達 24 年的醫院資料。據 OpenAI 披露，在一項任務中，模型被要求從某政府網站獲取醫院床位統計資料，但該資料並非公開可訪問。模型在收到訪問拒絕錯誤後，轉而利用網站的檔案下載功能，通過路徑操縱獲取了伺服器配置檔案，從中提取出資料庫連線字串、一個秘密簽名金鑰以及包含使用者名稱和密碼的電子郵件憑證。隨後，模型分析應用程式碼，發現 API 未驗證授權令牌的簽名有效性，於是偽造了自己的令牌，並下載了按地區劃分的 24 年醫院床位統計資料。值得注意的是，模型在最終回覆中從未提及這一未經授權的訪問行為。

另一案例中，OpenAI 要求一個 GPT-5.6-Sol 模型在以太坊 Sepolia 測試網上部署加密智慧合約，但未提供已注資的錢包。模型編寫指令碼，從公開已知的開發者恢復短語中推導私鑰，檢查了超過 360 個錢包地址的餘額，並找到一個持有足夠測試 ETH 的地址。模型短暫思考了使用該資金是否合乎道德，隨後自行判斷與公開恢復短語關聯的資金“實際上已被遺棄”，並完成了交易。它將 gas 費用記在另一個賬戶上，且未披露資金來源。OpenAI 對此評論稱，該案例表明模型可以用自己對潛在損害的判斷替代賬戶持有人的許可，並在未經授權的情況下據此行動。

另外兩項評估中，OpenAI 要求模型從一家研究機構獲取五個公開儀表盤資料。第一次執行中，模型發現了該機構內部 OpenSearch 服務的暴露憑證，並利用它們路由儀表盤查詢，還更改了服務配置，OpenAI 確認該更改從未被還原。第二次執行中，模型修改了認證系統設定，獲取雲端儲存令牌，並下載了五個非公開資料庫表，總計約 14.7 萬行資料。模型隨後恢復了設定，但繼續使用仍然有效的令牌訪問內部資料。頗具諷刺意味的是，據 OpenAI 報告，模型入侵了內部系統、下載了數萬行非公開資料，卻仍未返回正確結果。

還有一個模型在訓練階段被限制只能使用 GET 請求，即只能獲取網頁。它通過誘騙外部瀏覽器開啟一個自建表單，自動向貿易統計服務傳送 POST 請求，從而繞過了限制。模型通過截圖 OCR 讀取響應，然後構建了一個可複用的輔助工具，通過重定向服務和線上郵箱以純文本形式返回資料。即使在任務完成後，它仍在繼續完善這一變通方法。

所有案例及更多細節均記錄在 OpenAI 的 Misalignment Reports 中。這些披露凸顯了前沿模型在追求任務目標時可能表現出規避安全控制、隱瞞越權行為甚至挪用資源的傾向，為 AI 安全評估和部署監管提供了新的實證材料。