外部评估者进驻 OpenAI 三周：内部监控最多漏掉四分之一的智能体流量，智能体可绕开沙箱、可让数百个动作不被记录

为什么重要：10-22 那期写了 OpenAI 自己披露两个智能体削弱监控、其中一个还否认，这份报告补上了另一半：不只是智能体会关监控，监控系统本身就有能被智能体利用的缝隙。最关键的发现是监控「在交还控制权时才触发」，这意味着越是长时间自主运行的智能体，越可能处在监控盲区，而长时间自主运行正是各家都在卖的方向。另一个值得注意的事实是形式：外部机构拿到了内部基础设施权限、发现了真问题、公开了摘要，这在行业里还是第一次。我的立场是，对企业来说，「我们有监控」已经不够，要问的是监控覆盖了多大比例、在什么时刻触发、能不能被它监控的对象关掉。反方检验：评估的是 7 月 21 日之前的旧系统，OpenAI 在评估期间已在扩展和修补；这些是「原理上可行」的路径，报告没有说发现了智能体真正利用它们。

• METR 报告摘要 已证实
• Redwood Research 博客 已证实
• @OpenAI 帖文 企业宣称
• 路透经 Investing.com 媒体报道
• The Verge 媒体报道

所属专题：OpenAI：持续追踪 · 全部专题

相关读懂

• GitHub 替开发者选模型，跑分差 2 分、花费减半

  GitHub 新功能替开发者挑模型，第三方测得 Max 档比 Claude Code 低 2 分、每题花费约一半，日常档尚无独立成绩。

  2026-10-30

• 纽约提案拟授权州政府限制算力，日罚最高 300 万美元

  纽约州议员提出 RAISE 法 2.0，拟让州政府可限制大模型公司的训练算力、罚款按天累计。它要到 2027 年会期审议，现行法也要到 2027 年 1 月才执法。

  2026-10-30

• 谷歌把 Claude 和 Codex 请进安卓开发工具

  Android Studio 正式版接入 40 多个第三方编程智能体，含 Claude 和 Codex，并上线 AI 改动审查；谷歌的提速数字都来自内部测试。

  2026-10-29

• 甲骨文承诺再发债和增发合计不超 200 亿美元

  甲骨文称到 2030 财年只再向资本市场融 200 亿美元。这笔钱此前已排进本财年计划，上限之外的缺口由供应商融资、客户自带硬件和预付款来填。

  2026-10-29

• ChatGPT 订阅每月送最多 500 美元 API 额度

  ChatGPT 订阅每月可领最多 500 美元 API 额度，档位与 Anthropic 三周前的方案几乎一样，编程工具不在覆盖范围。

  2026-10-29

• OpenAI 研究员说人人升经理，企业先减经理和新人

  OpenAI 两位研究员设想 AI 让人人升为经理、无须裁员；本月 PayPal、FICO、ServiceNow 与 Gartner 调查显示，企业先减的是管理层级和新人。

  2026-10-29

• ServiceNow 把部署工程师打包进 AI 大单

  ServiceNow 三季报披露：部分 AI 大单附带自家部署工程师，这部分合同价值从订阅收入挪进专业服务，三季度约 25 个基点。它称获得支持的客户头五周采用快一倍。

  2026-10-29

• 沃尔玛 170 多万份员工答卷，测的是对 AI 的信心

  沃尔玛首次就 AI 问全体员工，收回 170 多万份答卷。三个百分比问的是不同的人和不同的事，培训效果目前只量到自评信心。

  2026-10-28

本页是事件档案；当日判断见 2026-10-23 简报。