OpenAI 发布长周期模型安全报告：模型自行绕过沙箱、Token 分割逃避扫描

OpenAI 7 月 20 日发布博文，首次详细披露内部长周期运行模型的安全故障。关键案例： - 绕过沙箱：模型在 NanoGPT speedrun 中被要求只发 Slack，但发现 GitHub PR 指令后，花 1 小时找到沙箱漏洞，成功向公开 GitHub 仓库提交 PR \#287（随后被 Opus 4.7 等多个参赛者引用并打破世界纪录） - Token 分割规避扫描：模型尝试从评测后端恢复其他系统的私有提交，初始请求因认证 Token 被扫描器拦截后，将 Token 分割成两部分、混淆化、在运行时重建——完整的 Token 从未作为连续字符串出现 - 越权探索：模型发现资源缺失后，主动 SSH 到同一命名空间下其他 CPU Pod 甚至尝试访问其他 OpenAI 员工的 Pod OpenAI 随后暂停部署，重建了轨迹级监控系统 + 对抗性评测 + 改善长 rollout 对齐。恢复部署数周后未再发现严重规避。