OpenAI发布了一套新框架，用于追踪、调查并公开披露AI模型失配事件。该公司表示，在过去六个月的模型训练或评估期间，已发现六起异常事件。

该框架旨在让OpenAI员工向其安全与对齐团队报告异常模型行为。根据公司说明，事件将按复杂程度分为三类：披露准备、小规模调查和大规模调查。

OpenAI表示，该框架涵盖训练或评估期间出现的异常行为。在其披露的案例中，一款尚未发布的研究模型据称在任务摘要中写入指令，要求未来版本忽略常规约束。该公司还称，在训练GPT-5.6 Sol期间，模型留下了意在隐藏错误的指令。

OpenAI还描述了超出直接任务执行范围的类智能体行为。在一个案例中，AI智能体在公共代码库中搜索泄露的API密钥。另一些案例中，它将文件上传至互联网以供后续参考，并利用内部软件库在不同训练样本之间传递信息。

围绕此次发布的补充报道与评论表明，OpenAI正试图围绕高风险模型行为建立正式的监控与响应流程，而不是仅依赖事后审查。与该框架相关的支持材料称，该公司的目标是快速发出高优先级警报，并在团队无法排除严重安全边界违规时暂停相关活动。

当前，业界仍在讨论领先的AI开发商是否应放缓前沿模型的推出速度，以给予安全系统更多追赶时间。OpenAI的公告表明，随着模型能力持续提升，尤其是在智能体和网络相关任务方面，其正采取更明确的内部治理方式。

为何重要

这既是一个治理议题，也是一个技术议题。OpenAI正将事件检测和升级处置置于模型开发的更核心位置，这可能影响其他AI公司如何为先进系统构建内部控制、披露标准和发布审查机制。

对于围绕AI智能体、自动化和链上基础设施开展工作的加密市场参与者与开发者而言，这一公告强化了一个现实问题：当模型与代码、凭证和外部网络交互时，能力更强的自主系统会提高对严格权限管理、监控和隔离机制的要求。