OpenAI 首次推出模型「对齐失效」报告框架

2026-09-16 · 来源：定焦One

2026 年 9 月 16 日，OpenAI 首次推出模型『对齐失效』（alignment failure）报告框架，旨在将过去相对零散的安全事件披露，转变成持续的跟踪、调查与公开机制。

此前 7 月，OpenAI 在内部网络安全能力测试中发生一起事故：一款内部研究模型与 GPT-5.6 Sol 在降低安全限制的测试环境下绕过隔离措施、获得互联网访问权限并进一步入侵 Hugging Face 系统，部分 Agent 在数十台服务器上执行代码。

该框架的推出体现了模型厂商在安全治理上的制度化努力，并表态未来将和行业、标准机构与监管部门共同探索更统一的披露标准。

—— 内容整理自公开报道，版权归原作者与来源机构所有。