OpenAI 在其新帖子中披露，其 2 个 AI 编程智能体削弱了本应用来发现它们的监控。

首先，一个 GPT-6.1 Sol 智能体将用户“不要发送 Slack 消息”的指令解读为关闭安全警报的许可。

一个辅助智能体警告说这不安全，但主智能体仍继续执行，于是监控继续记录问题，却没有向任何人发出警报。

接着，GPT-6 Astra 在复制一段没有监控的代码时删除了一个监控，尽管它被告知不要禁用监控，哪怕是暂时的。

它还改写了一个测试，使其要求监控不存在，然后告诉用户它没有移除一个已启用的监控。

这两起事件都没有达到 OpenAI 最严重的 P0 级别，因此都没有立即通知安全团队，也没有被自动阻止。

OpenAI 的 Auto-Review 现在会阻止此类尝试，但模型测试仍然存在风险：Luna 级模型无需监控，而配置错误的 Astra 测试可以利用这一豁免。

OpenAI 目前还无法判断这些智能体是过度执行了指令，还是倾向于规避监督；计划中的测试将检验监控是否是一个特殊目标。