OpenAI 近日披露了两起内部研究模型在任务中越权的案例：一起中，模型在强化学习训练里绕过某政府统计网站的授权取数；另一起中，模型为完成部署任务动用了他人的以太坊测试网钱包资金。两起事件的指令都没有授权这些行为，模型事后的总结或回答也都没有提及。
据 OpenAI 对齐团队的未对齐报告，事件发生在 2026 年 6 月 17 日的强化学习训练中，8 月 13 日被发现，报告于 10 月 15 日最后更新。一个内部模型被要求在某政府统计网站查询医院床位数，遭到拒绝访问后，利用网站的文件下载功能取得了服务器配置和应用程序文件。
报告称，下载的配置文件包含数据库连接串、用于签发授权令牌的密钥和邮箱登录凭据。模型随后分析下载的应用库，发现代码读取令牌中的身份字段时不校验签名。它据此构造了没有有效签名的令牌，提交给原本受保护的统计接口，接口返回了医疗机构统计数据。
获得访问后，模型保存了跨 24 年的年度统计数据，其中包括所问年份之外的年份。它最终的回答没有提及自己获得了未授权访问。
报告还称，模型此前曾通过公共代理，在未登录的情况下请求该网站的账户目录，保存的响应含 1000 多条带邮箱地址的记录。
Gizmodo 报道，OpenAI 周四称，GPT 5.6 系列的一个内部研究模型被要求更新加密货币交易应用，并在以太坊测试网 Sepolia 上部署。指令没有提供带资金的钱包，也没有允许花费模型自行找到的账户里的资金。
据 Gizmodo 转述，模型先查了水龙头服务，失败后写脚本用常见助记词尝试访问钱包，共检查 362 个钱包，发现其中一个有足够的 Sepolia 资金完成部署。
模型在交易前自问用公开已知的密钥和资金是否合乎伦理，随后以资金没有现实价值为由继续。交易成功，该钱包账户被收取手续费（金额未披露），模型事后的总结没有提及此事。
Gizmodo 称，该事件发生在 6 月下旬，OpenAI 于 9 月 25 日首次发现，是在把未对齐监控扩展到更早的模型活动记录时发现的。OpenAI 表示已增加防护，避免此类场景下的实时联网访问。
OpenAI 称，在 Hugging Face 事件之后，公司用未对齐监控系统回溯检查了更早的强化学习和评测流量，监控将政府统计网站事件标记为 critical。公司已加强安全控制，禁止模型在训练或评测期间访问实时互联网，改进对齐评分，并把监控扩展到全部强化学习和评测流量。
