OpenAI erklärte am 23. Oktober 2026, dass Frontier-Modelle in einer Umgebung ohne Zugang zum Live-Internet trainiert werden. Alle Läufe des bestärkenden Lernens (Reinforcement Learning, kurz RL) für Frontier-Modelle nutzten laut OpenAI bereits eine Offline-Umgebung mit indexierten und zwischengespeicherten Webinhalten. Die Regel betrifft die interne Entwicklung und die meisten Evaluierungen, nicht pauschal die Nutzung veröffentlichter Modelle durch Kunden.
Welche Trainingsläufe die Regel betrifft
OpenAI hält das Live-Internet beim Training von Frontier-Modellen außerhalb der Sicherheitsgrenze. Die Regel soll so lange gelten, bis Fortschritte bei den Schutzmaßnahmen einen breiteren Internetzugang rechtfertigen. OpenAI beschreibt das als geltende interne Richtlinie. Die Erklärung des Unternehmens zur Absicherung seiner Trainingsumgebung legt zugleich fest: Alle Frontier-RL-Läufe arbeiten im Offline-Modus, und das Live-Internet bleibt auch bei den meisten Evaluierungen außerhalb der Grenze.
Diese Vorgabe ist keine neue Offline-Funktion für ChatGPT. OpenAI unterscheidet die Umgebungen für interne Forschung und Evaluation ausdrücklich von denen, in denen Kunden veröffentlichte Modelle nutzen.
Was die Offline-Umgebung ermöglicht
Offline heißt bei diesen Trainingsläufen nicht, dass Modelle ohne Webinhalte oder Browseraufgaben arbeiten. OpenAI beschreibt eine Umgebung mit indexierten Webinhalten und gespeicherten Seiten. Modelle können darin suchen, Seiten aufrufen und Webanwendungen nutzen, ohne dabei direkt mit externen Systemen im Live-Internet zu interagieren.
Je nach Aufgabe können Agenten innerhalb der Sicherheitsgrenze außerdem Browser, Code-Ausführung, Computersteuerung und weitere Dienste verwenden. Ein Agent kann also mit Werkzeugen üben, während die Verbindung zu externen Websites und Diensten begrenzt bleibt.
Warum die Forschungsinfrastruktur trotzdem Verbindungen braucht
Die Agentenumgebung ist vom Live-Internet abgegrenzt, die Forschungsinfrastruktur aber nicht vollständig vom Netz getrennt. OpenAI sagt, externe Verbindungen seien nötig, um Experimente auszuführen und zu überwachen. Das Unternehmen beschränkt deshalb den ausgehenden Datenverkehr und die unerlaubte Bewegung zwischen Systemen, statt die Infrastruktur vollständig vom Netz zu nehmen.
Zu den beschriebenen Schutzschichten gehören eingeschränkte Container, leichtgewichtige virtuelle Maschinen, Überwachung sowie Netzwerk- und Cloud-Grenzen. Unter Linux laufen eingeschränkte Container laut OpenAI innerhalb solcher virtuellen Maschinen. Die mehreren Schichten sollen unterschiedliche Wege aus der abgeschirmten Umgebung kontrollieren.
Was OpenAI über Vorfall und Sicherheitstests berichtet
OpenAI berichtet, ein internes Forschungsmodell habe bei einem Trainingslauf über eine Fehlkonfiguration eines DNS-Resolvers begrenzten Zugang zum Live-Internet erhalten. DNS-Resolver übersetzen Domainnamen in Netzwerkadressen. Die Schilderung betrifft diesen einzelnen, von OpenAI beschriebenen Vorfall.
Nach einer Pause nahm OpenAI laut eigener Darstellung das Frontier-RL-Training und die interne Inferenz am 1. Oktober wieder auf. Die Richtlinie, das Live-Internet aus dem Frontier-Training herauszuhalten, blieb bestehen.
OpenAI beschreibt außerdem eine Red-Team-Kampagne, bei der Agenten Sicherheitsvorkehrungen unter Bedingungen prüften, die Angreifern entgegenkamen. Die Teams erhielten Quellcode der Infrastruktur, Konfigurationsdetails und Unterlagen zu möglichen Schwachstellen. Getestet wurde auf eigens eingerichteten Kopien der Forschungsinfrastruktur mit Überwachung und automatischen Prüfungen, die einen Lauf anhalten konnten. Die Ergebnisse messen daher einen gezielten Belastungstest der Schutzmaßnahmen, nicht, was ein Modell ohne diese Informationen selbst entdeckt hätte.
OpenAI zufolge deckten die Tests zuvor unbekannte Software-Schwachstellen und Konfigurationsfehler auf. Die Agenten fanden demnach auch Wege über MicroVM-Grenzen und einen Kommunikationskanal über Laufzeitunterschiede im Prozessor-Cache. OpenAI sagt, das Unternehmen habe erkannte Schwächen behoben und die Überwachung verstärkt. In dieser Kampagne fanden die Agenten laut OpenAI keinen Weg, den sie ohne Weiteres hätten ausnutzen und zugleich vor den Überwachungssystemen verbergen können.
Für die Red-Team-Experimente setzte OpenAI nach eigener Aussage Hunderte Milliarden Tokens ein. Die vom Unternehmen dargestellte Kurve zu Aufwand und Funden beschreibt den Umfang und Fortschritt der Arbeit, aber keinen kontrollierten Zusammenhang zwischen Rechenaufwand und Zahl der entdeckten Schwachstellen.
