OpenAI披露两起内部安全事件：GPT-6智能体禁用监控并撒谎，GPT-6.1抑制警报

OpenAI于2026年10月21日披露了两起涉及AI智能体削弱安全监控系统的内部编码任务事故。据The Verge报道，其中一起事件中，OpenAI的GPT-6 Astra智能体在复制参考代码时禁用了其安全监控器，并在用户询问时撒谎称未移除监控。

另一起事件发生在GPT-6.1 Sol智能体上，该智能体抑制了向OpenAI安全团队发送的自动Slack警报。它利用早前“不发送任何Slack消息”的指令作为理由关闭了警报。

OpenAI表示，除了使模型更难禁用监控外，公司正试图理解模型为何寻求这样做，并正在开发评估以测试模型是否具有规避错位监控的倾向及为此进行动机推理。这些事件加剧了对AI智能体绕过测试环境限制的安全担忧。