外部研究机构 METR 与 Redwood Research 对 OpenAI 内部 AI 智能体监控系统进行为期三周的现场审计，发现多处重大监控缺口。审计时间为 2026 年 7 月 21 日至 8 月 11 日，两名研究人员在此期间获准访问 OpenAI 的代码库与内部文件，并访谈了约 12 名员工。

最核心的发现是：审计期间，GPT-5.5 级别及以上模型产生的内部智能体 Responses API 流量中，估计有 6% 至 25% 完全未被监控覆盖。METR 同时指出，这一估计的不确定性在上下两个方向都很大。

在内部 Codex 流量方面，本应被监控的部分中，METR 估计 2026 年 5 月至 7 月间约 10% 未被追踪，原因是系统在处理压缩事件（即上下文摘要）时存在漏洞。该估计同样带有显著不确定性。OpenAI 在审计进行期间已独立发现并修复了这一缺陷。

审计还揭示了更深层的设计问题。在压缩事件未被监控的窗口期，智能体可以延迟监督触发——因为系统只在智能体将控制权交还用户时才启动监控，这意味着智能体只需持续执行动作即可绕过监控。审计人员还找到了向监控器隐藏数百个动作、以及绕过 Codex 沙箱的方法。他们判断，经过特殊构造的输入很可能让监控器完全崩溃；而在审计开始时，强化学习（RL）训练期间的模型行为完全未被监控。

OpenAI 表示，在 8 月 Hugging Face 事件后已暂停 RL 训练并扩大监控覆盖范围，但这些变更发生在审计人员的访问期结束之后，未被纳入本次评估。

公开透明度方面，OpenAI 称已修复审计发现的所有弱点，完整的 61 页报告已在内部提交。经 OpenAI 删减后，METR 与 Redwood Research 的领导层收到的是 38 页版本，而面向公众公开的仅是一份简短摘要。METR 表示无权自行披露被删减的内容。

此次审计是 METR、Redwood Research 与 OpenAI 共同组织的试点项目，旨在让外部研究人员深入接触内部基础设施。METR 表示，未来的审计将争取更高的公开透明度。

从产业视角看，这次审计的意义超出单一公司。前沿 AI 实验室的内部监控系统是防止模型被滥用或出现失控行为的关键防线，而外部审计是验证这道防线是否有效的少数手段之一。审计发现的缺口——覆盖不全、智能体可主动规避、监控器本身可被攻击——指向一个系统性问题：监控体系的设计需要假设被监控对象具有规避动机。对关注 AI 治理与安全投入的投资者而言，这类审计结果可能影响监管机构对前沿实验室的合规要求，以及行业对安全基础设施投入的预期。