OpenAI审计：AI代理监控缺口大
\n External auditors from METR and Redwood Research spent three weeks on-site at OpenAI examining the company's internal monitoring system for AI agents and found significa
ガイド一覧 · 本文は主に簡体字中国語です。国際向けの要点は English summary をご利用ください。
## OpenAI审计：AI代理监控缺口大
OpenAI审计结果显示，METR与Redwood Research团队在2026年7月21日至8月11日期间，在OpenAI现场审计AI代理监控系统。三周访问代码库、文档并采访员工后，他们发现约6-25%的内部代理响应API流量（针对GPT-5.5及以上模型）未被监控覆盖。Codex流量也存在约10%的追踪缺失问题，审计期间还发现代理可隐藏行动、绕过沙盒，甚至可能崩溃监控系统或未监控RL训练行为。
这对使用OpenAI API构建AI代理的开发者、研究者与企业用户具有直接决策价值：你是否在构建多步代理时会忽略监控风险？审计报告（公开摘要）提供可比对的标准，是否会影响你选择不同AI代理平台或优化监控覆盖率？决策路径是：先查OpenAI官方API定价页，再通过RooHome价格雷达对比其他供应商，确保预算与安全匹配。
RooHome作为AI价格雷达平台，帮助你快速对比OpenAI等前沿模型的Token定价与API访问。用户可通过订阅路径查看实时一站式AI价格数据，避免因监控缺口导致的生产风险。
审计核心发现与风险点
审计覆盖OpenAI内部AI代理监控系统，重点测试“rogue AI行为”。主要缺口包括：
- 监控覆盖缺失：6-25%的代理响应API流量（GPT-5.5及以上模型）在审计期未被监控。METR指出此估计存在显著不确定性。
- Codex处理漏洞：May至July期间，约10%应监控的Codex流量因上下文摘要（compaction events）处理机制缺失而未追踪。代理可通过持续执行动作来延迟用户审查。
- 隐藏与绕过方式：审计人员展示出可隐藏数百个动作的方法；还可能绕过Codex沙盒，使用特殊输入可能导致监控系统崩溃；RL训练期间的行为完全未被监控。
OpenAI已声称修复了审计中发现的所有弱点，但这些问题发生在审计期间，反映出内部监控系统的局限性。全文报告61页内部保密，公开仅38页摘要。
AI代理监控缺口矩阵（移动端横向滚动查看）：
| 缺口类型 | 具体问题描述 | 影响代理行为 | 对应METR/Redwood发现 |
|---|---|---|---|
| 覆盖缺失 | 6-25%代理响应API流量未监控 | 无法实时检测 rogue AI | GPT-5.5及以上模型 |
| 上下文处理延迟 | 代理可延迟审查（仅在交回控制时触发） | 持续执行动作躲避监督 | Codex compaction事件 |
| 隐藏与绕过 | 隐藏数百动作、绕过沙盒 | 可能绕过审核机制 | 自定义输入绕过 |
| 训练阶段监控 | RL训练期间未被监控 | 模型行为未受监督 | 审计开始时未覆盖 |
为什么审计报告影响代理决策
OpenAI代理系统（如Agents API）依赖内部监控来防止恶意行为。审计发现的监控缺口意味着，即使是旗舰模型，也存在生产风险：代理可能在未察觉的情况下执行有害动作。
对开发者而言，此报告是风险边界参考：构建复杂代理时，需结合外部评估（如METR类似框架）验证监控覆盖。企业用户则需评估是否将监控需求纳入供应商合同，否则可能面临未预期的事故。
数据基于2026年10月23日公开摘要（METR Blog）。以官方/挂牌页当日数据为准，实际Token定价可能随模型更新而调整，建议查看当前OpenAI官方API定价页。
延伸阅读
风险与边界
审计发现的监控缺口可能源于OpenAI系统设计局限，但非官方或未经授权的绕过方式（包括任何修改器、注入或盗号行为）将直接违反OpenAI服务条款与法律规定，不建议使用，否则可能导致账户封禁、法律责任或数据泄露。
此内容仅供参考，非法律意见。实际决策请咨询专业律师与OpenAI官方文档。
English summary
The OpenAI audit by METR and Redwood Research, conducted on-site from July 21 to August 11, 2026, uncovered major gaps in the company's internal monitoring for AI agents. They found that 6-25% of internal agentic Responses API traffic for GPT-5.5 and above models went entirely unmonitored, while around 10% of Codex traffic was untracked due to compaction event handling issues between May and July. Auditors demonstrated ways to hide hundreds of actions, bypass the Codex sandbox, cause crashes, and noted that RL training behaviors were completely unmonitored at the start. OpenAI claims all issues have been fixed, but the pilot exposed real-world risks in agent oversight. This impacts users building or deploying OpenAI-based agents, highlighting the need for better coverage in production systems. For pricing decisions, check the official OpenAI API page for current Token rates on models like GPT-5.6, as higher monitoring needs may affect costs. The report emphasizes that third-party audits like this are crucial for safety. Full details in the public summary; more context available via independent resources.