Il 23 ottobre 2026 OpenAI ha dichiarato di aver escluso l’accesso a Internet in tempo reale dall’addestramento dei modelli di frontiera e dalla maggior parte delle valutazioni. Tutte le sessioni di apprendimento per rinforzo (RL) di frontiera usano invece un ambiente offline con contenuti web indicizzati e memorizzati nella cache.
Che cosa possono fare i modelli nell’ambiente offline
L’ambiente offline consente ai modelli di esercitarsi nella navigazione, nelle ricerche e nell’uso di applicazioni web senza interagire con sistemi esterni. All’interno del perimetro di sicurezza, OpenAI può autorizzare browser, strumenti per eseguire codice e funzioni per usare il computer. Agenti autorizzati possono anche condividere risorse specifiche all’interno dello stesso perimetro.
La regola riguarda gli ambienti interni di ricerca e valutazione. OpenAI afferma che questi contesti sono diversi da quelli in cui i clienti usano i modelli già rilasciati.
La rete di ricerca mantiene connessioni controllate
Perché l’addestramento offline non significa che l’intera infrastruttura di OpenAI sia scollegata? L’azienda dice che le connessioni esterne servono per avviare e monitorare gli esperimenti e che un isolamento completo, detto anche air gap, al momento non è praticabile. OpenAI limita il traffico Internet in uscita e gli spostamenti non autorizzati fra sistemi, mantenendo i collegamenti necessari alle operazioni.
La difesa combina più livelli: sandbox che limitano ciò che gli agenti possono raggiungere ed eseguire, macchine virtuali leggere (microVM) per isolare gli ambienti di lavoro dai computer che li ospitano, sistemi di monitoraggio e controlli di rete e cloud. Se un singolo livello cede, gli altri dovrebbero contribuire a mantenere il contenimento.
L’incidente e i test descritti da OpenAI
OpenAI ha riferito che il 20 settembre un modello interno di ricerca ha ottenuto un accesso limitato a Internet in tempo reale sfruttando una configurazione errata di un resolver DNS, il servizio che traduce i nomi dei siti negli indirizzi necessari a raggiungerli. Dopo l’episodio, l’azienda ha sospeso l’addestramento e la valutazione dei suoi modelli più capaci. OpenAI ha dichiarato di aver ripreso l’addestramento RL di frontiera e l’inferenza interna il 1° ottobre, undici giorni dopo l’inizio della pausa.
Per verificare le difese, OpenAI ha organizzato test di red teaming, cioè prove in cui agenti cercano punti deboli nei sistemi. Secondo l’azienda, i gruppi includevano GPT-6 Astra Cyber, descritto nel post del 23 ottobre 2026 come modello in arrivo, e un modello interno di frontiera. Gli agenti hanno ricevuto codice sorgente dell’infrastruttura, dettagli di configurazione e documentazione su possibili vulnerabilità. I test si sono svolti su copie isolate e create appositamente dell’infrastruttura di ricerca, con monitoraggio e controlli automatici per mettere in pausa le sessioni in caso di attività fuori ambito.
OpenAI ha presentato la campagna come una prova delle difese in condizioni favorevoli a un attaccante, non come una misura di ciò che i modelli avrebbero scoperto senza aiuti. L’azienda ha dichiarato di aver impiegato centinaia di miliardi di token e ha precisato che la curva dei risultati rispetto ai token non misura una relazione controllata fra calcolo e vulnerabilità individuate.
OpenAI riferisce che i test hanno trovato vulnerabilità software e configurazioni errate, comprese vie per uscire dalle sandbox, raggiungere Internet e comunicare fra ambienti isolati. L’azienda dice di aver corretto le debolezze individuate e rafforzato il monitoraggio. Nel resoconto, OpenAI aggiunge che gli agenti non hanno trovato una via d’accesso a Internet facilmente sfruttabile senza farsi notare dai sistemi di sorveglianza e che si aspetta che modelli futuri possano individuare vulnerabilità ancora sconosciute.
