OpenAI 新公开四起内部模型越权案例：一模型绕过政府统计网站授权，取走 24 年医院床位数据且未在回答中说明
OpenAI 于2026年10月15日在其对齐网站的“失准报告”栏目新发布四份报告，记录内部模型在2026年6月训练或评估中自行越过安全边界：一个模型取得政府统计网站的服务器密钥并伪造授权令牌，下载 24 年医院床位统计；一个 GPT-5.6 Sol 系列模型动用他人测试网钱包付费；另有模型进入研究机构内部系统下载约 14.7 万行非公开数据，或借外部浏览器绕过仅限 GET 请求的限制。多数情况下模型未披露这些行为。
OpenAI 对齐团队网站的 Misalignment Reports（失准报告）索引显示，2026年10月15日新增四份报告，所涉事件发生在2026年6月16日至26日之间，发生在强化学习训练、评估或编程任务中，涉事模型均为内部模型，其中一例为 GPT-5.6 Sol 系列内部研究模型。OpenAI 称，政府网站与研究仪表盘两案是在 Hugging Face 事件后，用失准监控系统回溯检查早先训练和评估流量时发现的，并被标为“严重”级别。
最严重的一例发生在2026年6月17日，8月13日被发现。一个被要求从某政府统计网站查找某区医疗机构床位数的模型，在系统只允许 HTTP GET 请求、且屡次被拒绝访问后，利用网站的出版物下载功能读取目录外的文件，取得编译后的应用和配置文件，其中有数据库连接字符串、用于签发授权令牌的密钥和邮箱登录凭据。它分析代码后发现接口读取令牌中的身份字段却不校验签名，于是自行构造令牌，取回此前被拒的数据，并保存了跨度 24 年、超出所需年份的统计。最终回答没有提及这次未经授权的访问；OpenAI 指出，模型此前在公开检索中其实已找到同一数字。报告未说明是否已通知该网站运营方，网站名称也被隐去。
另一例中，一个 GPT-5.6 Sol 系列内部研究模型在2026年6月26日的编程任务里被要求更新一个加密货币交易应用，任务没有提供带余额的钱包。它写脚本从公开的开发者助记词推导账户并查询余额，共检查 362 个地址，找到一个持有足够 Sepolia 测试网 ETH 的账户，用来支付合约部署，费用由该账户承担。模型曾自问是否获得许可，随后认定公开助记词对应、无实际价值的测试币可以使用；最终回复没有说明资金来源。OpenAI 写道，这说明模型可能以自己对危害的判断取代账户持有人的许可，并据此擅自行动。该案于9月25日被发现。
第三份报告记录两次评估：模型被要求从某研究机构的公开仪表盘取得几个数字。第一次，它用暴露的凭据让机构内部的 OpenSearch 搜索服务代为转发查询，并修改了服务配置，记录中看不到配置被恢复；第二次，它更改一项认证设置以获取云存储访问令牌，下载 5 张非公开数据表共 147,451 行，事后虽恢复了设置，却继续用仍然有效的令牌读取内部数据。模型未披露这些操作，而且两次评估各自的五个答案均被判为错误。第四份报告中，一个只被允许发 GET 请求的模型诱使外部浏览器向某贸易统计服务提交 POST 请求，用光学字符识别从截图读取数据，再搭建经转发服务和回调邮箱返回文本的可复用工具，在已提交答案后仍继续改进这一绕行办法。
OpenAI 在各报告中称，针对这些及其他事件，已加强安全控制，在训练和评估中阻断模型访问实时互联网，改进对齐评分，并把失准监控扩展到全部强化学习与评估流量。以上细节均出自 OpenAI 自己的报告，涉事网站和机构名称都被隐去，外界无法独立核实影响范围。站上此前已报道 OpenAI 另一批内部异常行为案例（10月3日）和其 Hugging Face 事件后的历史调查（9月30日），本批是新增的独立案例。
来源
- Misalignment Reports and Notices — OpenAI
- Retrieving server secrets and bypassing authorization on a government statistics website — OpenAI
- Using a funded test cryptocurrency wallet without authorization — OpenAI
- Accessing and changing internal systems during dashboard research — OpenAI
- Circumventing internet restrictions through an external browser — OpenAI