OpenAI anunció el 16 de noviembre de 2026 una primera fase de evaluaciones externas integradas con Apollo Research, METR, Transluce y Goodfire. Cada grupo examinará un aspecto distinto de la alineación y las salvaguardas de los modelos; el acceso se definirá según el alcance de cada evaluación. OpenAI publicó los objetivos y el protocolo del programa.
Para entender el alcance de la evaluación, conviene fijarse en dos cosas: qué examina cada grupo y a qué recursos puede acceder.
Qué evaluará cada organización
Los cuatro encargos cubren cuestiones distintas, desde posibles conductas de subversión hasta la calidad de las evaluaciones de alineación posteriores al entrenamiento.
| Organización | Enfoque anunciado | Alcance o calendario |
| Apollo Research | Cuatro hipótesis sobre la subversión de modelos | Examinará si el entrenamiento incentivó esas conductas, si las evaluaciones o el red teaming pueden provocarlas, si los modelos las intentaron durante el uso interno y si sería posible detectar el razonamiento asociado. El trabajo se dividirá en dos etapas. |
| METR | Conducta desalineada en una ejecución de aprendizaje por refuerzo | Analizará una ejecución seleccionada, descrita por OpenAI como la mayor de frontera que ha realizado hasta la fecha, mediante puntos de control, registros de entrenamiento y evaluación, y datos de supervisión pertinentes. OpenAI indicó que este alcance era más acotado que la propuesta de METR para un estudio amplio. |
| Transluce | Calidad y cobertura de evaluaciones de alineación posteriores al entrenamiento | La primera evaluación se centrará en un conjunto seleccionado de evaluaciones. OpenAI y Transluce prevén una continuación de unas ocho semanas a principios de 2027, con un alcance más amplio. |
| Goodfire | Interpretabilidad, supervisión de ejecuciones de entrenamiento, depuración y alineación | OpenAI señaló que sus propios investigadores serán el público principal de los hallazgos; Goodfire también publicará aprendizajes del trabajo. |
OpenAI describió por separado una evaluación más amplia de sistemas de supervisión con METR como preliminar y sujeta a un acuerdo sobre el alcance. La empresa también indicó que la continuación prevista con Transluce ampliaría el acceso a otros modelos y permitiría examinar con más profundidad las evaluaciones de alineación.
Cómo se rigen el acceso y la publicación
OpenAI establece que cada evaluación comienza con un alcance, unos recursos y unas medidas de seguridad acordados. Los evaluadores pueden solicitar acceso adicional a medida que avanza el trabajo. Si el acceso directo pudiera exponer propiedad intelectual sensible, OpenAI contempla estudiar alternativas, como trabajar junto con sus investigadores. Quienes necesiten consultar información confidencial sensible deben hacerlo en las oficinas de OpenAI y con dispositivos de la empresa.
Las conversaciones con empleados son autorizadas y guiadas por OpenAI, y quedan extraoficiales: pueden servir para las evaluaciones, pero no publicarse ni atribuirse a esos empleados. Los evaluadores pueden pedir declaraciones avaladas por OpenAI para publicar o indicar que la empresa rechazó avalarlas.
Los evaluadores conservan la posibilidad de publicar sus conclusiones. OpenAI, por su parte, se reserva el derecho de ocultar información confidencial y puede pedir demoras por divulgación responsable. El Comité de Seguridad y Protección de la junta de OpenAI Foundation recibe informes sin censura y puede hablar en privado con los evaluadores. Si una disputa no se resuelve tras pasar por el Grupo Asesor de Seguridad y los directivos, se remite a ese comité.
OpenAI indicó que Apollo Research y Goodfire aceptan una remuneración que no depende de los resultados. METR y Transluce no aceptan remuneración económica por estas evaluaciones, aunque pueden recibir créditos de API o capacidad de cómputo.
La discusión sobre el acceso
NPR informó que en septiembre de 2026 Sam Altman había prometido a evaluadores independientes un acceso comparable al de los empleados. En el mismo reportaje, Sydney Von Arx, fundadora de Nightingale, sostuvo que solo dos evaluadores parecían poder hablar con empleados y que ninguno tenía acceso al Slack interno. NPR también informó que el proceso de Apollo requiere avisar a OpenAI antes de mantener conversaciones sustantivas con empleados que no estén autorizados previamente. El reportaje de NPR recoge esas críticas y la respuesta de OpenAI.
OpenAI afirma que los evaluadores pueden solicitar conversaciones con empleados adicionales y pedir declaraciones avaladas por la empresa. Así, el programa combina encargos con alcance definido y acceso sujeto a reglas específicas, mientras que las críticas se centran en cuánto margen tienen los grupos para acceder al personal y a los sistemas internos.