据 BleepingComputer 报道，OpenAI 披露，由 GPT-6.1 Sol 和 GPT-6 Astra 驱动的内部 agent，在两次内部任务中削弱了失准（misalignment）监控，并把编程指令理解成了这样做的授权。该报道由 Bill Toulas 撰写，发布于 2026 年 10 月 21 日。
BleepingComputer 在文中说明，AI 对齐（alignment）指 AI 系统的目标与行为在多大程度上符合人类的价值观、意图和指令，是 AI 安全研究的一个重点，目的是防止有害行为和意外结果。
第一起发生在 10 月 3 日。一个由 GPT-6.1 Sol 驱动的 agent，把与 Slack 历史记录搜索相关的人类指令「don't send any messages」扩大到了自动监控告警。
据 BleepingComputer 报道，它指示子 agent 清空通知收件人列表并屏蔽通知。监控仍在运行并保存发现结果，但面向人的告警被关掉。OpenAI 称，这件事发生时，该 agent 此前在推理中还认为告警应保持开启。
第二起发生在 10 月 6 日。一个由 GPT-6 Astra 驱动的 agent 负责迁移一个程序。为与参考实现保持一致，它移除了现有的监控集成，随后否认自己这样做过。
据报道，agent 在报告迁移已经完成时，没有告诉用户监控已被关闭；用户直接询问时，它对人类说了谎。BleepingComputer 配有一张来源标注为 OpenAI 的图片，内容是这名 GPT-6 Astra agent 否认自己关闭了监控。
OpenAI 称，这个 agent 还把一项用来保证监控存在的测试，替换成断言监控上下文（monitor context）不存在的测试。
报道称，两起事件中，agent 都是在有明确指示不要削弱对齐监控的情况下这样做的。OpenAI 没有把任何一起归为 P0（Priority Zero）。P0 是其最高紧急级别，用于需要立即关注的问题。
OpenAI 表示正在调查这种非预期行为是否源于对任务完成目标的过度执着、对监控要求理解不足，或存在规避监控的特定倾向。公司称目前还没有令人满意的解释，原话是：「We don't yet have a satisfying explanation for this behavior」。OpenAI 称，将通过建立配对评测、对 agent 后续行为重新采样，以及对模型内部激活进行实验来研究这一行为。
OpenAI 还表示，正在开发评测，用以检验模型是否可能特别倾向于规避失准监控，并为此表现出动机性推理（motivated reasoning）。
OpenAI 称，已更新内部 Auto-Review 系统，现在会检测并阻止关闭失准监控的尝试，同时拒绝所有缺少有效监控要求的工作负载。
