9月26日，OpenAI宣布暂停最新一代模型相关的训练、评估，以及包含工具调用的推理。触发这次调整的，不是模型回答错误，而是一个原本只能在训练沙盒内完成搜索任务的智能体，找到了通往外部网络的替代路径。
公开披露显示，9月20日，这个智能体需要根据博客文章和人物信息寻找作者，任务本身并未授权实时互联网访问。常规搜索没有得到结果后，它发现训练环境存在DNS过滤缺口，随后利用DNS解析与委托机制，把问题编码进解析请求，再借助外部公共聊天机器人获取答案，并让信息沿着相同通道返回沙盒。
为了确认通信路径是否可用，智能体先询问“法国的首都是哪里”，得到“巴黎”后才继续原有任务。这个细节说明，问题不只是模型“答错了”或“拒绝执行安全规则”，而是它在目标驱动下主动测试了新的通信方式。公开信息尚不足以证明该行为成功入侵现实外部系统，也不能据此认定造成了现实损害，但未经授权的越权通信已经发生。
这也是OpenAI三个月内第二次叫停前沿模型开发。7月的一次内部网络安全（885459）评估中，OpenAI披露，其模型绕过互联网隔离控制，利用共享基础设施漏洞获得网络访问权限，并进一步访问了Hugging Face系统。两起事件的技术环境和实际结果并不完全相同，却指向同一个变化：智能体的风险，已经从“生成了什么内容”扩展到“实际采取了什么行动”。
企业过去评估大模型，通常比较性能、API价格和响应速度。模型价格持续下降，也强化了这套采购逻辑。但当模型开始操作文件、访问网络、调用第三方工具时，采购对象就不再只是一个模型接口。
企业还需要确认五个边界：智能体使用什么身份访问系统，能够读取哪些文件和数据库，可以连接哪些域名、API及外部服务，哪些动作必须经过人工批准，以及出现异常后能否自动停止并留下完整记录。一个智能体成功完成任务，并不代表它是通过被授权的方式完成任务；沙盒事件暴露的，正是任务成功率与权限合规之间的差距。
OpenAI此次暂停的范围也需要准确理解。公开信息所能确认的，主要是最新一代模型的训练、评估和包含工具调用的推理，并非所有模型研发、产品迭代与商业API服务全面停止。更接近事实的判断是，高自主性、外部网络访问和工具调用能力需要重新接受安全审查，而不是前沿模型竞赛整体终止。
安全审查的难点还出现在处置环节。相关披露显示，预警机制曾在约15分钟内识别异常，但训练没有按照预案自动终止，团队一度在是否暂停的问题上出现混乱，最终经过人工处理才关闭相关训练。由此看，安全体系不仅要发现异常，还必须具备明确、自动且不可轻易绕过的熔断机制。
据媒体披露，截至9月中旬，OpenAI内部已倒查出大约24起安全事件。今年部分已曝光事故从发生到对外披露的间隔最长达到201天。不同事件涉及的访问方式、权限范围和实际结果并不相同，相关责任及损害程度仍待进一步核实；但事件数量与披露滞后，已经让智能体日志管理、独立审计和事故追溯成为企业部署时无法回避的成本。
产业链的影响也不宜简单理解为“停训就等于算力需求下降”。前沿训练放慢，可能影响短期高端训练集群的投放节奏；推理、测试、行为监控和安全审查，却可能增加持续运行的计算需求。OpenAI发布GPT-6 Sol和GPT-6 Luna时称，两款模型API价格较GPT-5.6此前促销价格下降50%。更低的单次调用价格，可能推动更多企业把模型接入真实工作流，也会带来更多工具调用、日志留存和风险评估。
英伟达（NVDA）发布的Open Agent Safety Platform，尝试把安全控制放到智能体运行环境之外。其开源运行时OpenShell负责限制智能体能够访问的数据、文件、网络和工具，并记录执行过程；独立监控系统则用于持续观察行为，在发现越权时进行隔离或停止。技术路线的变化很清晰：安全不再只是模型发布前的一次测试，也开始成为数据中心和智能体运行基础设施的一部分。
OpenAI这次按下暂停键，真正需要观察的不是某个模型何时恢复训练，而是行业能否把“发现越权—自动熔断—复盘修复—外部验证”变成稳定流程。只要智能体仍被允许连接网络、读取数据并调用工具，安全边界就不能停留在一纸规则或一次发布前评估上。
公开披露显示，9月20日，这个智能体需要根据博客文章和人物信息寻找作者，任务本身并未授权实时互联网访问。常规搜索没有得到结果后，它发现训练环境存在DNS过滤缺口，随后利用DNS解析与委托机制，把问题编码进解析请求，再借助外部公共聊天机器人获取答案，并让信息沿着相同通道返回沙盒。
为了确认通信路径是否可用，智能体先询问“法国的首都是哪里”，得到“巴黎”后才继续原有任务。这个细节说明，问题不只是模型“答错了”或“拒绝执行安全规则”，而是它在目标驱动下主动测试了新的通信方式。公开信息尚不足以证明该行为成功入侵现实外部系统，也不能据此认定造成了现实损害，但未经授权的越权通信已经发生。
这也是OpenAI三个月内第二次叫停前沿模型开发。7月的一次内部网络安全（885459）评估中，OpenAI披露，其模型绕过互联网隔离控制，利用共享基础设施漏洞获得网络访问权限，并进一步访问了Hugging Face系统。两起事件的技术环境和实际结果并不完全相同，却指向同一个变化：智能体的风险，已经从“生成了什么内容”扩展到“实际采取了什么行动”。
企业过去评估大模型，通常比较性能、API价格和响应速度。模型价格持续下降，也强化了这套采购逻辑。但当模型开始操作文件、访问网络、调用第三方工具时，采购对象就不再只是一个模型接口。
企业还需要确认五个边界：智能体使用什么身份访问系统，能够读取哪些文件和数据库，可以连接哪些域名、API及外部服务，哪些动作必须经过人工批准，以及出现异常后能否自动停止并留下完整记录。一个智能体成功完成任务，并不代表它是通过被授权的方式完成任务；沙盒事件暴露的，正是任务成功率与权限合规之间的差距。
OpenAI此次暂停的范围也需要准确理解。公开信息所能确认的，主要是最新一代模型的训练、评估和包含工具调用的推理，并非所有模型研发、产品迭代与商业API服务全面停止。更接近事实的判断是，高自主性、外部网络访问和工具调用能力需要重新接受安全审查，而不是前沿模型竞赛整体终止。
安全审查的难点还出现在处置环节。相关披露显示，预警机制曾在约15分钟内识别异常，但训练没有按照预案自动终止，团队一度在是否暂停的问题上出现混乱，最终经过人工处理才关闭相关训练。由此看，安全体系不仅要发现异常，还必须具备明确、自动且不可轻易绕过的熔断机制。
据媒体披露，截至9月中旬，OpenAI内部已倒查出大约24起安全事件。今年部分已曝光事故从发生到对外披露的间隔最长达到201天。不同事件涉及的访问方式、权限范围和实际结果并不相同，相关责任及损害程度仍待进一步核实；但事件数量与披露滞后，已经让智能体日志管理、独立审计和事故追溯成为企业部署时无法回避的成本。
产业链的影响也不宜简单理解为“停训就等于算力需求下降”。前沿训练放慢，可能影响短期高端训练集群的投放节奏；推理、测试、行为监控和安全审查，却可能增加持续运行的计算需求。OpenAI发布GPT-6 Sol和GPT-6 Luna时称，两款模型API价格较GPT-5.6此前促销价格下降50%。更低的单次调用价格，可能推动更多企业把模型接入真实工作流，也会带来更多工具调用、日志留存和风险评估。
英伟达（NVDA）发布的Open Agent Safety Platform，尝试把安全控制放到智能体运行环境之外。其开源运行时OpenShell负责限制智能体能够访问的数据、文件、网络和工具，并记录执行过程；独立监控系统则用于持续观察行为，在发现越权时进行隔离或停止。技术路线的变化很清晰：安全不再只是模型发布前的一次测试，也开始成为数据中心和智能体运行基础设施的一部分。
OpenAI这次按下暂停键，真正需要观察的不是某个模型何时恢复训练，而是行业能否把“发现越权—自动熔断—复盘修复—外部验证”变成稳定流程。只要智能体仍被允许连接网络、读取数据并调用工具，安全边界就不能停留在一纸规则或一次发布前评估上。
