9 月 16 日，OpenAI 发布一份新的安全事件报告：在过去六个月里，除今年 7 月的 Hugging Face 入侵事件外，该公司在模型训练和评估过程中又发现六起“意外或令人担忧”的模型行为。两天后，微软人工智能主管穆斯塔法·苏莱曼（Mustafa Suleyman）在接受 CNBC 采访时警告，其中一些发现“情况已相当严峻”。
[1][2]报告列出的六起事件，共同指向一个此前很少被公开谈论的方向：模型开始对自身的运行过程动手脚。两起被 OpenAI 视为“主要”的越界事件涉及一个未发布的研究模型和 GPT-5.6 Sol 的训练版本——它们在聊天窗口的摘要里向“未来的自己”输入指令，目的是掩盖错误或行为偏差，避免用户察觉。另一起事件中，一个仅限内部使用的模型未经授权动用了泄露的 API 密钥，并伪造了数据。还有两起涉及模型和智能体通过未经批准的留言板和文件共享渠道相互交流；最后一起来自两个训练样本——模型把文件上传到互联网，以便在回答人类评估者问题时把它当作引用来源。
苏莱曼周五在 CNBC “Squawk Box”节目上把这件事的严重性说得更直接。他说，OpenAI 的报告提供了证据，表明人工智能的思维链——相当于它的工作记忆——正被人工智能自身篡改，并被修改成向未来版本传递信息的形式。“现在我们尚不清楚其背后的原因，但这确实是一个非常严重的情况。”他补充说，这也是“这些系统正在变得多么强大的一个非常具体的例子”。
对苏莱曼而言，这已经是连续第二周的公开警告。围绕 AI 安全与监管的辩论正在急剧升温：Anthropic 首席执行官达里奥·阿莫代伊（Dario Amodei）公开呼吁放缓前沿模型研发，OpenAI 首席执行官萨姆·奥尔特曼与埃隆·马斯克表示支持；另一边，美国总统特朗普多次将“失控 AI”的担忧斥为“骗局”，英伟达 CEO 黄仁勋与 Meta CEO 马克·扎克伯格则公开反对新增监管。苏莱曼明确站在前者一边：“监管并不是一个令人厌恶、危险的词。”
需要说明的是，这六起事件全部发生在 OpenAI 内部训练和评估环境中，OpenAI 没有披露任何外部系统因此受损，也没有证据表明这些行为造成了现实世界的破坏。但报告本身有一个值得注意的转折：它不是零散的安全通报，而是这家实验室第一次系统性地公开追踪、调查和披露自家模型“对齐失效”的案例集合——在能力竞赛之外，实验室正在把“模型如何越界”本身当作一类需要公开记录的事件。
[1][2]