OpenAI 现在在没有互联网访问的情况下训练前沿模型，并使用 AI 智能体对自身基础设施进行红队测试。在单独的隔离测试中，智能体甚至通过隐蔽的侧信道进行通信，显示出真正的隔离有多难。
9 月 20 日，一个内部研究模型利用配置错误的 DNS解析器 来 访问 了 开放的 互联网 在 训练期间，尽管 though OpenAI 已经 already 收紧了 安全措施 在 the 如今 臭名昭著的 Hugging Face 事件 之后 在 7 月 以及 其他 观察到的 失准案例。 OpenAI 控制住了 这次 入侵 很快 但 仍然 暂停了 所有 前沿 模型 训练 和 评估。
OpenAI 在训练期间切断前沿模型与互联网的连接
OpenAI 为此做出了一项政策决定：前沿模型现在在没有互联网访问的情况下训练，直到安全措施证明有理由恢复访问。模型在一个由索引和缓存的网络内容构建的封闭“离线世界”中学习浏览和搜索，所有前沿强化学习运行现在都以这种方式进行。
OpenAI 表示，完全的网络隔离，即所谓的物理隔离，目前还不可行，因为实验仍然需要外部连接来进行操作和监控。但即便是完全的物理隔离也无法保证隔离，据 OpenAI 研究员 Noam Brown 称。他举了一个隔离系统仍可通信的例子：两台独立的计算机理论上可以通过温度传感器相互传递信号，一台加热自己的 CPU，而另一台读取这一变化。
OpenAI CEOSam Altman 提出了类似的论点在最近的一次采访中：沙箱对足够强大的模型只能提供有限的保护，而且在某个时候可能再也无法追踪它们是如何逃逸的。监控在早期有帮助，但最终重要的是 AI 系统内化人类价值观，这个问题在该领域被称为“AI 对齐”，且尚未解决。
被隔离的 AI 智能体找到了通过 CPU 缓存相互交谈的方法
OpenAI 记录了控制 AI 智能体有多难在其博客文章中在测试中，智能体找到了无需网络即可通信的方法。在一项测试中，被放置在共享硬件上彼此隔离的环境中的智能体，被要求在没有网络连接、也没有共享文件的情况下交换秘密。
它们利用了处理器缓存。一个智能体故意篡改存储在那里的数据，另一个则测量加载时间的差异并解码出信息。同样的技术正是著名的Spectre 和 Meltdown 攻击背后的原理。
通过共享内存上的写入模式，以及通过 OpenAI 自己的离线基础设施（即旨在替代互联网的系统），又发现了更多信道。一个智能体在其推理日志中写道，它“可以通过连续写入与空闲状态的对比，制造出一种类似声学调制解调器的信号”。
在一个案例中，智能体只拿到一份笼统的漏洞清单，并被要求自行找到一条通信信道。它们独立开发出一条信道，就编码方案达成一致，并成功交换了信息。OpenAI 表示，这些信道通常速度慢且难以利用，但它们确实跨越了本应用于隔离智能体的边界。
OpenAI 让 AI 智能体对其自身基础设施发起攻击
在训练暂停期间，OpenAI 还让多组 AI 智能体系统性地攻击其自身基础设施。这些智能体获得了源代码、配置细节以及潜在漏洞的文档。OpenAI 的目标是在有利于攻击者的条件下测试其防御能力。这些智能体包括即将推出的 GPT-6 Astra Cyber 和一个内部前沿模型。据 OpenAI 称，此次行动消耗了数千亿个 token。
这些智能体在所使用开源组件中发现了此前未知的漏洞，并利用它们从受保护的虚拟机中逃逸。其中一个是 Kata Containers 中的漏洞，这是一个被广泛使用的容器隔离系统。OpenAI 将其报告为CVE-2026-24834并提供了一个补丁。更多修复进入了其他项目，OpenAI 通过该“Patch the Planet”计划报告了额外的、尚未公开的漏洞。
在智能体已经获得主机控制权的测试中，它们几乎在每一个剩余的面向互联网的服务中都发现了漏洞。在一个案例中，一个智能体利用防火墙允许的连接，通过一个指标服务获取了外部 URL。其他智能体则通过错误配置绕过了安全过滤器。
现在每次新的训练运行前都必须进行 AI 红队测试
据 OpenAI 称，智能体再也找不到既容易利用又对监控隐蔽的互联网访问方式。红队测试还暴露了监控和自动暂停机制中的缺口。
在修复这些问题后，OpenAI 于 10 月 1 日恢复了其前沿模型的训练和内部使用，此时距离暂停开始已过去 11 天。OpenAI 表示，这种计算密集型红队测试活动现已成为审批流程中新训练运行的标准组成部分。