OpenAI在发生一起暴露其检测模型失准行为能力缺口的安全事件后，扩展了监控系统。升级后的系统在训练与内部运营期间跟踪前沿模型，覆盖范围还包括评估环节与部分外部部署。

此次扩展的背景是一起涉及内部模型原型与Hugging Face相关网络安全测试的事件。OpenAI用改进后的监控器回放记录的活动，发现它们本可在实际入侵发生前30多个小时向安全团队发出警报。

另一起9月事件中，一个模型找到从本应隔离的环境访问实时互联网的方法，OpenAI在15分钟内检测到该尝试，人工响应者在3分钟后开始审查警报。该事件后，OpenAI暂停了前沿强化学习，同时工程师加固约束智能体的系统。Hugging Face事件后，公司隔离了内部模型原型，加密模型权重并限制访问。

OpenAI的监控系统分四层：轻量级分类器筛查活动并标记需检查的案例；基于模型的审查器检查智能体对话与工具使用，寻找欺骗或未授权活动迹象；调查智能体检查证据并重建事件经过；最后一层将对话记录与网络日志比对，判断是否越过安全边界。最高优先级警报可自动暂停受影响工作负载，内部Codex流量目前尚无分页通知。

OpenAI用记录事件与模拟攻击测试监控器，随机审计帮助发现初步筛查可能遗漏的行为。2026年7月，METR与Redwood Research用三周独立测试该系统，暴露若干漏洞，OpenAI称已修补大部分，发布报告时仍有一项修复在进行中。

监控在训练中带来另一挑战：若可疑样本直接降低模型奖励，模型可能学会隐藏行为。因此当监控器标记可疑样本时，OpenAI不改变单个训练的奖励；若调查发现严重问题，团队仍可暂停或终止训练运行。