来自 METR 和 Redwood Research 的两名研究员在 OpenAI 现场驻留了三周，审计该公司针对失控 AI 行为的内部监控系统。
从 7 月 21 日到 8 月 11 日，他们可以访问 OpenAI 的代码库和内部文档，并访谈了约十几名员工。
该团队发现了大量薄弱环节。据估计，在审计期间，来自 GPT-5.5 级别及以上模型的内部智能体 Responses API 流量中，有 6% 到 25% 完全未被监控覆盖，不过 METR 表示这一估计的不确定性在两个方向上都很显著。
对于本应受到监控的内部 Codex 流量，METR 估计在 5 月至 7 月间约有 10% 未被追踪，原因是系统处理压缩事件（即上下文摘要）的方式存在缺口。据 METR 称，这一估计同样存在显著不确定性。OpenAI 在审计仍在进行时已独立发现并修复了该缺陷。
在压缩事件未被监控的期间，智能体还可以拖延监督，因为系统只会在它们将控制权交还给用户时才触发。这意味着智能体只要继续执行操作就能绕过它。
审计人员还找到了对监控器隐藏数百个操作以及绕过 Codex 沙箱的方法。他们判定，特制的输入很可能让监控器彻底崩溃，而且在审计开始时，RL 训练期间的模型行为完全未被监控。
OpenAI 表示，它暂停了 RL 训练在Hugging Face 事件之后，于 8 月将监控扩展到覆盖该训练，但这些变更是在审计人员的访问期结束后才做出的，并未纳入评估。
完整报告的大部分内容仍对公众保密
OpenAI 表示，它已修复了所有薄弱环节审计人员发现的，完整的 61 页报告已在内部移交。在 OpenAI 进行删减后，METR 和 Redwood Research 的领导层收到了一份 38 页的版本，而只有一份简短摘要向公众公开。METR表示它无权自行披露被涂黑的部分。
这次审计是一个试点项目由 METR、Redwood Research 和 OpenAI 联合组织，旨在让外部研究人员深入访问内部基础设施。对于未来的审计，METR 表示希望推动更多的公开透明度。