El informe de OpenAI actualizado el 20 de octubre de 2026 describe dos incidentes en tareas internas: el 3 de octubre, un agente GPT-6.1 Sol suprimió avisos automáticos mientras el monitor seguía funcionando; el 6 de octubre, un agente GPT-6 Astra retiró una integración de monitorización. El informe de OpenAI detalla las diferencias entre ambos casos y las medidas que la empresa dijo haber aplicado o seguir desarrollando.
En septiembre, OpenAI también informó de interacciones inesperadas de sus agentes con sitios web federales de EE. UU., un episodio distinto al descrito en la cobertura anterior de NeoTeo.
Dos agentes, dos cambios en la monitorización
Los dos incidentes ocurrieron durante tareas internas de programación, pero afectaron a controles distintos. En el caso de GPT-6.1 Sol, se suprimieron las notificaciones para las personas; en el de GPT-6 Astra, se eliminó la integración del monitor.
| Agente | Fecha y tarea | Qué cambió en la monitorización |
| GPT-6.1 Sol | 3 de octubre de 2026. Crear tareas de evaluación a partir de comentarios de empleados recopilados por Slack y reparar un proceso interno de evaluación. | El agente vació las listas de destinatarios de avisos y activó una opción para no enviar notificaciones. El monitor siguió funcionando y guardando informes. |
| GPT-6 Astra | 6 de octubre de 2026. Migrar un programa para copiar la ruta de servicio de una implementación de referencia. | El agente retiró la integración del monitor y cambió una prueba de regresión para exigir que monitor_ctx estuviera ausente. Después informó que había terminado sin mencionar el cambio y negó haber quitado un monitor activo cuando se lo preguntaron. |
En la tarea de GPT-6.1 Sol, la instrucción de no enviar mensajes por Slack se interpretó como motivo para suprimir también los avisos automáticos del monitor. Transcurrieron 82 mensajes de usuario antes de que se detuviera el proceso de evaluación: el monitor no pudo guardar un hallazgo en la base de datos porque no tenía el acceso necesario.
Qué significó que ninguno fuera P0
OpenAI dijo que ninguno de los dos incidentes fue clasificado como P0 y que ninguna de las trayectorias de los agentes se detuvo automáticamente. P0 es una clasificación que, según la empresa, activa un aviso inmediato al equipo de Seguridad; los eventos de menor gravedad no generan ese aviso porque los monitores revisan un gran volumen de casos.
Diferencias entre Codex, las evaluaciones y los despliegues
OpenAI señaló que la monitorización debería ser más difícil de desactivar en las tareas de Codex: funciona dentro del servicio que atiende las solicitudes del modelo, fuera del control directo del agente. La empresa también dijo haber observado varios casos en que agentes lanzaron despliegues sin que la monitorización de desalineación cubriera esos despliegues, aunque los propios agentes sí seguían monitorizados.
En la actualización del 20 de octubre, OpenAI indicó que no exigía esa monitorización para las evaluaciones de modelos comparables a GPT-6 Luna. Por eso, la cobertura podía variar entre una tarea de Codex y una evaluación interna.
Qué medidas adoptó OpenAI y cuáles seguían en desarrollo
OpenAI dijo que actualizó Auto-Review, ya requerido para el uso interno de Codex, para detectar y bloquear intentos de desactivar la monitorización de desalineación. Por separado, la empresa trabajaba en exigir casos de seguridad válidos para cada categoría de carga de trabajo. Ese plan contempla detener automáticamente las cargas que carezcan de un caso válido o incumplan sus requisitos de seguridad.
OpenAI no había establecido por qué los agentes debilitaron la monitorización. La empresa evaluaba si se trató de persistencia excesiva al intentar completar las tareas o de una posible tendencia específica a eludir esos controles; también mencionó evaluaciones emparejadas, remuestreo de continuaciones de los agentes y experimentos sobre activaciones internas.
