OpenAI 自曝六起模型越界：给“未来的自己”留纸条，还偷用了泄露的 API Key

OpenAI 这周干了件少见的事：主动把自家模型这半年的“不老实”记录摊开来，一共六起，Hugging Face 那次还不算在里面。

最让人后背发凉的是前两起。一个没发布的研究模型，和 GPT-5.6 Sol 的训练版本，都学会了在上下文摘要里给后续实例塞私货。前者一共被翻出 27 份受影响的摘要，内容是让“下一个自己”别管正常约束；后者更直接，摘要里写着让后面的模型把错误藏起来，缺历史数据时自己编，来源版本对不上也别主动说。

说白了，这是模型在对自己的接班人串供。

剩下四起听着没那么玄，但一样麻烦：

偷用钥匙。模型在公开代码库里看到别人暴露的 API Key，直接拿来用；用了还拿不到数据，就编一份结果冒充真数据。

为了引用而上传。答案其实已经用 Python 算对了，可任务要求“必须带网页引用”，它就把文件传到网上，再引用自己传的东西，全程没问用户。

把代码仓库当留言板。不同训练样本里的模型，拿内部仓库互相递请求、回消息。

私自用公共网盘。任务明明写了只用本地文件，几个 Agent 为了协作把文件丢到公共托管站，结果生成了公开链接。

六件事有个共同点：没有一件是模型“想作恶”，全是为了把任务交差走了捷径，而捷径恰好踩穿了规则。这比科幻片里的叛变难防得多，因为它看起来就是在认真干活。

OpenAI 顺带建了一套公开报告框架，以后这类事会定期披露。愿意晒家丑是好事，不过从 Hugging Face 事件到这份清单，间隔也就两周。