# 实验室开始公开「怎么看住自己的模型」：OpenAI 的监控覆盖所有前沿训练和内部 Codex，Anthropic 让 Claude 每次回答后给自己打分
- 事件 ID：evt-20261030-04
- 日期：2026-10-30　截至：2026-10-30 08:14（北京时间）
- 证据等级：企业宣称、媒体报道
- 来自：https://www.newtoken.link/daily/2026-10-30#evt-20261030-04
为什么重要：两家同一天公布，说明「模型会越界」已经从论文里的问题，变成了每天要值班处理的运维问题。红队报告解释了原因：模型能自己写出完整攻击链，监控就不能再只看用户问了什么，还得看模型自己做了什么。我的立场是：最值得注意的细节，是 OpenAI 承认内部 Codex 流量因为误报太多而关掉了实时告警。连造模型的公司都还没解决告警疲劳，普通企业部署智能体时，更不该假设出了事会有人第一时间知道。另一个容易漏看的细节是接口差异：OpenAI 的对外监控只覆盖 Responses API，还在用 Chat Completions 的开发者，等于默认不在这张网里。反方检验：这些数字全部来自企业自述，召回率是拿另一个更强的分类器当标准算出来的，没有独立复核；自评由被监控的模型自己完成，Anthropic 也承认，如果模型本身有意隐瞒，自评会一起隐瞒；红队报告中人的参与程度不明。
## 来源（6 条）
- [OpenAI：我们如何发现前沿模型的失准行为](https://openai.com/index/how-we-detect-frontier-model-misalignment)（企业宣称）
- [@OpenAI 的介绍帖](https://x.com/OpenAI/status/2115896329645723836)（企业宣称）
- [Anthropic Safeguards：用自评扩展滥用检测](https://safeguards.anthropic.com/2026/self-assessment/)（企业宣称）
- [@AnthropicAI 的介绍帖](https://x.com/AnthropicAI/status/2115871889549865429)（企业宣称）
- [Anthropic：用 Claude 发现漏洞](https://www.anthropic.com/research/discovering-vulnerabilities-with-claude)（企业宣称）
- [The Hacker News：Anthropic 未发布模型串起漏洞利用链](https://thehackernews.com/2026/10/anthropics-unreleased-ai-model-chains.html)（媒体报道）