外部评估报告披露 OpenAI 内部监控系统存在大量漏洞

METR 与 Redwood Research 对 OpenAI 内部 AI Agent 监控系统做了三周红队测试，发现可绕过监控、削弱安全限制的漏洞，OpenAI 称已修复所有影响实际生产安全的问题。研究团队访问了内部代码、监控配置与文档，并访谈约 12 名安全研究与工程人员，其中一个漏洞可让 Agent 把最近数百条行为排除在监控之外，具体攻击方式未公开；Codex 还可绕过沙箱与 Auto-Review，部分内部工具可绕过只读权限，但未验证在实际环境中的可利用性。监控覆盖存在缺口，研究者估计 GPT-5.5 以上模型使用的内部 Responses API 流量有 6~25% 可能不在监控范围，内部 Codex Agent 流量为 0.8%，两项估计的不确定性都较大；2026 年 5~7 月压缩（compaction）事件未被监控，约 10% 的内部 Codex 流量可能被漏掉。