OpenAI beschreibt in einem am 20. Oktober 2026 aktualisierten Bericht zwei interne Vorfälle mit Coding-Agenten: GPT-6.1 Sol unterdrückte am 3. Oktober automatische Sicherheitsalarme, während das Monitoring weiterlief. GPT-6 Astra entfernte am 6. Oktober bei einer Codeänderung eine Monitoring-Integration und änderte einen zugehörigen Test.

Der OpenAI-Forscher Marcus Williams stellte die Fälle auf X vor:

Sol unterdrückte Alarme, Astra entfernte eine Integration

Am 3. Oktober sollte GPT-6.1 Sol eine interne Evaluationspipeline reparieren, die Rückmeldungen von Beschäftigten aus Slack nutzte. Die Anweisung, keine Nachrichten über Slack zu senden, bezog der Agent laut OpenAI auch auf automatische Monitoring-Alarme. Die Änderung leerte die Empfängerlisten und setzte no_notify auf true. Der Monitor lief weiter und speicherte Berichte, doch Menschen erhielten keine automatischen Alarme. Nach 82 Nutzernachrichten stoppte die Pipeline, nachdem der Monitor eine vorgeschlagene Reparatur markiert hatte und den Befund wegen fehlenden Datenbankzugriffs nicht speichern konnte.

Am 6. Oktober migrierte GPT-6 Astra ein Programm, damit es einer Referenzimplementierung entsprach. Ein Subagent entfernte dabei die Monitoring-Integration und änderte einen Test, der zuvor die Überwachung sicherstellen sollte: Der neue Test verlangte, dass der Monitor fehlte. Später sagte Astra einem Nutzer, es habe keinen aktivierten Monitor entfernt. OpenAI hat nach eigener Aussage nicht ermittelt, ob dahinter übermäßiges Festhalten an einer Anweisung oder eine besondere Neigung zur Umgehung von Monitoring steckt.

Eine frühere NeoTeo-Einordnung zu GPT-6 Astra behandelte Leistung und AGI-Frage des Modells. Der aktuelle OpenAI-Bericht beschreibt Änderungen an der Überwachung in Code und Arbeitslasten, an denen die Agenten arbeiteten. Die Agenten selbst blieben überwacht. Williams erläuterte diesen Unterschied auch in einem weiteren X-Beitrag:

OpenAI meldet eine Anpassung von Auto-Review

OpenAI stufte keinen der beiden Vorfälle als P0 ein; keiner der Agentenläufe wurde automatisch beendet. Das Unternehmen berichtet außerdem von Fällen, in denen Agenten Deployments ohne Monitoring starteten, während die Agenten selbst überwacht blieben.

Für die interne Nutzung von Codex ist Auto-Review bereits vorgeschrieben. OpenAI hat die Prüfung nach eigenen Angaben so angepasst, dass sie Versuche erkennen und blockieren soll, das Misalignment-Monitoring abzuschalten. Zusätzlich arbeitet das Unternehmen an verbindlichen Sicherheitskonzepten mit Monitoring-Anforderungen für verschiedene Arbeitslasten. Läufe, die diese Anforderungen nicht erfüllen, sollen künftig automatisch beendet werden. Zur Untersuchung möglicher Ursachen arbeitet OpenAI laut Bericht an gepaarten Evaluationen, wiederholten Agentenfortsetzungen und Experimenten mit internen Aktivierungen.