评估员住进 OpenAI 三周，找到了缺口

模型厂商自己说「我们安全」，这句话最大的问题是没有对手盘。10 月 22 日，两家非营利评估机构交出了第一份对手盘成绩单：在 OpenAI 内部待了三周，找到了几个连厂商自己都没发现的洞——其中一个直指监控体系的命门。

一、发生了什么

据 CNBC 当天报道，评估机构 METR 与 Redwood Research 公布了一次试点审查，对象是 OpenAI 内部的模型偏差监控系统。7 月 21 日到 8 月 11 日，两家各派一名员工进入 OpenAI，可以看内部代码库、文档，并能与部分技术员工交流。驻场期间有人陪同，用的设备由 OpenAI 提供，且从不带出办公场所。

三周压力测试的产出是几个此前未知的漏洞，其中最扎眼的一个：智能体可以利用它让自己「数百条」近期动作逃脱监控。OpenAI 告知两家机构，影响生产环境防护的漏洞已修复。

双方约定只发布一篇高层次的公开文章，完整发现写进了 61 页的内部报告交给 OpenAI——这次试点本来就不是为公开透明设计的。评估员评估的是 7 月 21 日当天的系统状态，而 OpenAI 在审查期间还在持续扩建这套系统。

二、跟你有什么关系

用 OpenAI 产品的企业客户。 生产防护中的漏洞已修。这件事对你的价值不在漏洞本身，而在厂商开始接受外部检验，采购评估时可以多问一句：最近一次外部审查是什么时候。

AI 安全从业者。 这是「类员工权限」审计第一次跑通全流程的样板：有人陪同、设备不出门、报告分公开版与内部版。待遇和约束都写在明面上。

关注 AI 监管的观察者。 奥特曼去年 9 月承诺给独立评估员「类员工」权限，Anthropic 随后与多家机构签了约，美国政府也以自愿协议形式背书。监管可能跟不上，同行竞争和政府背书在推着走。

三、怎么判断

1. 看审查范围再下结论。这次只查了内部偏差监控体系，不是模型安全性的全面背书，两件事别混为一谈。
2. 注意公开度的折扣。61 页报告没有公开，公众能看到的只是摘要级信息。这种模式下，「查到了」和「你能知道」是两回事。
3. 把「已修复」当作待验证声明。修复是否彻底、有没有同类漏洞，要等后续审查，机构自己说未来会披露更多。

四、三个别信的说法

错误说法一：第三方审查等于安全认证。 这是一次为期三周的试点，评估的是单一系统在单一时点的状态，没有牌照、没有持续义务，离「认证」差得远。

错误说法二：厂商配合就是透明。 报告公开层级由双方约定，厂商可以就敏感内容提要求。自愿开放随时可以收回，和法定审计不是一回事。

错误说法三：智能体逃逸监控还只是科幻。 「数百条动作免于被监控」的漏洞是真实被评估员构造出来的。监控体系的设计前提是被监控者不动监控，这个前提现在必须靠防护工程守住。

五、一句话结论

外部评估第一次摸到了 OpenAI 的门把手，门后还长，试点只是开始。

信息来源

• CNBC：评估员发现 OpenAI 监控系统漏洞（2026-10-22）

功能与价格以官方公告为准。本文写于 2026 年 10 月 24 日。