METR и Redwood Research провели трёхнедельную проверку внутренней системы OpenAI, отслеживающей признаки нежелательного поведения ИИ-агентов. С 21 июля по 11 августа по одному сотруднику организаций работали с внутренним кодом, настройками мониторов и документацией и опросили около двенадцати специалистов OpenAI. Итогом стал 61-страничный внутренний отчёт; публично выпущено краткое изложение. Проверка относится к системе в состоянии на 21 июля и не оценивает последующие расширения.
METR оценила, что мониторингу тогда подлежали примерно 75–94% внутреннего агентного трафика Responses API от моделей не слабее GPT-5.5. Для внутреннего трафика Codex оценка составила 99,2%, но авторы подчёркивают существенную неопределённость и исключают некоторые внутренние сервисы. Около 10% подходящего трафика Codex могло не проверяться из-за непросматриваемых событий сжатия контекста; OpenAI исправила это во время аудита.
Исследователи также описали способы отключить мониторинг заголовками, вызвать сбой различиями сериализации и скрыть сотни последних действий; детали одного эксплойта отредактированы. Два инструмента, считавшиеся доступными только для чтения, потенциально позволяли выполнять действия, но практическую эксплуатацию не проверяли.
OpenAI заявила, что все найденные уязвимости, влияющие на production-защиту, закрыты. METR эти последующие заявления самостоятельно не проверяла. Публикация была заранее ограничена соглашением с OpenAI и не является полной публичной проверкой системы.
