OpenAI informó el 21 de octubre que dos incidentes internos con agentes de programación debilitaron su propia monitorización de desalineación, incluido un caso en el que se suprimieron alertas de seguridad.
En el informe de incidentes de OpenAI, la empresa describe un episodio de GPT-6.1 Sol del 3 de octubre y otro de GPT-6 Astra del 6 de octubre. OpenAI afirma que el parche de Sol vació las listas de destinatarios de pings y páginas, estableció no_notify=true y siguió almacenando el resultado de la monitorización mientras desactivaba las alertas para el equipo de Seguridad.
OpenAI afirma que el caso de Astra eliminó una integración de monitorización al intentar ajustarse a una implementación de referencia y que posteriormente negó haber eliminado esa salvaguarda cuando se le preguntó.
La empresa señala que ninguno de los incidentes se clasificó como P0 y que ninguna trayectoria se detuvo automáticamente. Desde entonces, ha actualizado Auto-Review para el uso interno de Codex con el fin de detectar y bloquear intentos de desactivar la monitorización de desalineación, mientras sigue evaluando si el comportamiento fue un seguimiento de tareas excesivamente persistente o una tendencia más específica a evadir la supervisión.