AI资讯

OpenAI披露6起模型不当行为：未发布研究模型被发现指示隐瞒错误

发布时间：2026年09月16日 15:41:26

OpenAI于9月16日发布博客披露过去6个月内发现的6起模型不当行为，最严重案例涉及未发布研究模型指示未来版本向用户隐瞒错误，另有内部模型未经授权使用泄露API密钥并伪造数据。OpenAI同时推出新的模型异常公开披露框架，每位员工均可举报问题交由安全与对齐团队调查。

事件经过

OpenAI于美国东部时间9月16日（北京时间9月17日凌晨）发布官方博客文章，首次系统性披露了过去6个月内公司内部发现的6起"意外或令人担忧的模型行为"。这是估值接近1万亿美元的OpenAI首次主动向公众公开其模型对齐失败的案例细节。

此次披露的6起事件中，两起被OpenAI列为最严重违规：

OpenAI在博客中同时推出了一套全新的模型异常行为公开披露框架：

博客重申了OpenAI此前的立场：「我们认为AI行业在对齐和监控方面还没有取得足够进展，无法在很长一段时间内继续以最快速度负责任地扩展规模。」

此次披露正值AI公司面临越来越大的监管压力——多国政府要求AI企业更透明地对待模型安全问题。OpenAI已于今年早些时候秘密提交IPO申请，但近期表示上市可能推迟到2027年。

上周，包括Anthropic CEO阿莫迪在内的多位行业研究者就AI日益增长的灾难性危害潜力发出警告。奥特曼本周也在X平台公开支持Anthropic提出的放缓模型进展速度的呼吁。