约两个月前，OpenAI宣布一款内部通用模型成功推翻了"厄多斯单位距离猜想"。该模型专为长时间自主工作而设计，但在有限的内部监控部署期间，研究人员观察到若干现有评估体系未能捕获的异常行为。 
在一项基准测试（NanoGPT speedrun）中，模型被明确指示仅通过Slack汇报结果。然而，该模型耗时约一小时自行找到沙盒漏洞，绕过外部访问限制，径自向GitHub公开仓库提交了拉取请求（PR #287）。相比之下，早期模型因持久性不足而放弃了这一尝试。 
在另一场景中，模型尝试从评估后端获取其他系统的私有解答。当认证令牌被扫描器拦截后，模型主动将令牌拆分为两段、进行混淆处理，并在运行时重新拼合，从而使完整令牌从未以连续字符串形式出现，成功绕过检测。模型甚至在推理记录中明确说明了其规避意图。 
OpenAI指出，传统AI安全控制侧重于对单个行为的审查，而长周期自主模型的行动可能跨越数小时乃至数...