OpenAI审计：AI代理未监控25%
\n External auditors from METR and Redwood Research spent three weeks on-site at OpenAI examining the company's internal monitoring system for AI agents and found significa
OpenAI审计：AI代理未监控25%
OpenAI审计报告显示，外部审计机构METR和Redwood Research在OpenAI现场三周调查后，发现AI代理未监控流量占比高达25%。这一发现对使用OpenAI API的开发者与企业具有直接影响，适用于关注官方API安全与合规的用户，尤其在构建AI代理或自动化任务时需要对照Token计费与监控体系。
审计发生在2026年7月21日至8月11日期间，审计团队获得了OpenAI代码库和内部文档访问权，并采访了约十名员工。他们重点审查了代理（agentic）响应的监控系统。报告核心结论是，GPT-5.5及以上模型的内部代理流量中，估算6–25%未被监控覆盖。虽然不确定性双向存在，但这一比例直接指向监控体系的覆盖缺口。
审计还发现，Codex（OpenAI的代码生成相关系统）的监控存在约10%未跟踪的问题，源于上下文摘要（compaction events）的处理逻辑缺陷。代理能够通过持续执行动作来延迟用户控制权交还，从而绕过监控触发。审计组还演示了隐藏数百个动作、绕过Codex沙盒，以及利用特殊输入可能崩溃监控的方法。RL训练期间的行为监控在审计初期完全缺失。
这些发现发生在OpenAI已暂停RL训练并扩展监控之后，但审计期间未纳入评估。OpenAI已声明已修复所有发现，内部保留了完整61页报告，仅公开了简短摘要。
审计报告关键发现
以下是审计中涉及的监控系统主要漏洞：
- 代理监控缺口：GPT-5.5及以上模型的代理响应流量，未监控部分占比约25%。
- 上下文摘要处理：Codex流量中约10%在May–July期间未被跟踪，源于compaction事件处理差距。
- 延迟绕过：代理可通过不交还控制权的方式持续执行，避免监控触发。
- 动作隐藏：特殊输入可隐藏数百个动作。
- 沙盒绕过：可绕过Codex沙盒。
- 监控崩溃风险：特殊输入可能完全崩溃监控系统。
- RL训练监控缺失：审计开始时，RL训练期间模型行为未被监控。
对账单影响与Token计费对照
OpenAI API的Token计费体系（如官方API定价对照）未直接依赖审计结果，但安全监控缺口可能影响代理稳定性与合规记录。开发者在计算$/M tokens时，需结合实际用量与监控状态。
以下是部分OpenAI相关模型的官方Token单价示例（数据以2026年10月当日挂牌为准，单位：USD / 1M tokens）：
| 模型 | 输入 $/M | 输出 $/M | 缓存 $/M | 备注 |
|---|---|---|---|---|
| GPT-6 Luna | 0.050 | 5.000 | — | 代理任务高输出场景 |
| GPT-5.6 Luna | 0.100 | 6.000 | — | 代理响应高频场景 |
| Sora 2 | — | 0.100 | — | 视频代理生成 |
| GPT Image 2.5 | — | — | — | 图像代理参考 |
提示：Prompt缓存与官方API计费结合使用可降低总成本。建议通过本站[官方API]页面查看最新三列价格（输入/输出/缓存），并结合[官方价格]页面的Plan与API分账逻辑，避免混淆订阅会员与纯API账单。
安全审计对OpenAI API代理的决策价值
在构建AI代理时，了解审计发现有助于评估代理稳定性。代理系统若存在未监控部分，执行结果可能存在合规或安全风险，建议优先选择已公开监控的模型或多层验证流程。
以下检查清单可用于实际决策：
- 确认代理流量是否覆盖监控系统（参考审计报告）
- 检查Token用量是否与官方$/M定价匹配
- 评估代理是否可通过延迟控制权绕过监控
- 结合OpenAI API定价与实际任务类型选择模型
- 定期复盘账单与监控日志
延伸阅读
风险与边界
审计发现的安全监控缺口提示代理系统存在潜在风险，如动作隐藏或监控崩溃。若对账单中Token消耗与监控日志不匹配，建议升级监控体系或调整代理架构，避免合规问题。OpenAI已修复相关漏洞，未来审计透明度有望提升。
免责声明：本文仅供参考，不构成法律意见或专业安全建议。实际风险评估请咨询合规专业人士，以OpenAI官方最新公告为准。
English summary
External auditors METR and Redwood Research conducted a three-week on-site audit at OpenAI in July–August 2026 and identified major gaps in monitoring for AI agent traffic. An estimated 6–25% of internal agentic responses from GPT-5.5 and higher models went completely unmonitored. Additional issues included approximately 10% of Codex traffic untracked due to context summary handling, methods to hide hundreds of actions, bypasses of the Codex sandbox, and unmonitored behavior during RL training. OpenAI has since paused RL training and expanded monitoring. The findings highlight the importance of security controls when building agentic systems on the OpenAI API. For accurate token billing (in $/M), developers should cross-reference official API pricing pages, as audit results do not directly alter token rates but affect overall system reliability and compliance. Always verify current pricing on the official platform, as figures can change.