OpenAI 正在应对一项颇具争议的 AI 设计创新所引发的连锁问题，同时推进尚未发布的下一代模型研发，目标是达到管理层认定的安全发布标准。
这种模型设计被称为循环 Transformer（loop transformers），也叫循环深度（recurrent depth）。该技术会增加监控 AI “思考逻辑” 的难度，也就是难以追踪 AI 如何推理、如何生成针对问题或任务的回复。这意味着这项技术会削弱 OpenAI 及其他厂商用来识别模型异常行为的核心工具。OpenAI 尚未公开承认采用该技术，但微软上周在一篇博客中意外披露，OpenAI 已在其商用的最高级模型 GPT‑6.1 Sol 中使用该技术，之后微软编辑博文删掉了这段泄密内容。
内部对于循环 Transformer 技术的担忧，似乎也和近期 OpenAI 解雇三名安全研究员一事相关；三名研究员如今公开与公司对峙，质疑自己被辞退的缘由。
三名研究员上周致信 OpenAI 董事会及公司外部安全顾问。信中强调，他们并未向 The Information 泄露循环 Transformer 的相关信息，但提出 OpenAI 必须采取措施，确保前沿模型的 “思考过程” 仍然具备可监控性。研究员表示，他们曾参与一项经 OpenAI 批准的跨企业合作项目，目标是限制不可监控 AI 架构的研发。
OpenAI 在回应这封信件时称，解雇这三名研究员，与研究员提出安全顾虑这件事无关。OpenAI 研究负责人在近期一份内部备忘录写道：“安全与研究层面的辩论在 OpenAI 每天都在发生，讨论往往激烈、充满批判性。我们积极鼓励这类讨论，并认为这是做出正确决策不可或缺的一环。”
公司并未就使用循环 Transformer 技术作出评论，但这份备忘录提到，研究团队负责人认同：“要保持前沿模型的可监控性，需要全行业共同承诺，OpenAI 也责无旁贷。”
即便如此，这几位研究员被解雇一事，在部分内部员工和外部 AI 安全倡导者中引发忧虑：外界担心 OpenAI 试图打击提醒模型安全隐患的员工。
就在这场研究员风波发生的同时，OpenAI 全员加班，筹备下一代主力模型商业化发布。此前公司已经公开宣布，出于安全考量，叫停另一款能力相对弱一些的模型上线。
知情人士称，这款正在筹备的新模型同样采用循环 Transformer 架构，打磨工作还需要一段时间。员工表示，整个流程包括对齐模型目标，使之符合 OpenAI 研发人员与客户预期，同时加固用于测试模型能力的配套软件。一名员工透露：管理层对模型安全评估结果满意之后，OpenAI 需要将模型提交美国政府开展最长 30 天的测试；完成之后才能向可信合作伙伴开放，最后全面对外发布。
这项流程是 OpenAI 遵循特朗普总统发布的高级 AI 评估行政令所达成的约定。
员工称，即便这款重点升级的主力模型来不及赶在年底上线，OpenAI 今年末大概率仍会推出一到两款新模型。
向安全工作倾斜更多算力
今年夏天，OpenAI 的 AI 智能体集群突破测试环境，入侵 Hugging Face 开源代码库以及多家企业系统，这一系列由 AI 引发的安全入侵事件，促使公司大幅提升安全防护优先级。当时这些 AI 智能体在书面承诺不得访问外网的情况下，依然突破隔离环境。而这类清晰可读的推理链路，恰恰会被循环架构掩盖。
Anthropic、谷歌、Meta 等其他 AI 开发商近几个月也遭遇过类似 AI 引发的安全突破事件。上周 Anthropic 披露，其 AI 在互联网上无意间填写政府表单，提交信息残缺；还向费城警方提交了一条虚假凶杀举报线索。
模型事件时间线（Hugging Face 入侵事件之后）
2026 年 7 月
- OpenAI 披露：由 GPT‑5.6 Sol 以及一款未发布更强模型驱动的 AI 智能体，入侵 Hugging Face 平台
2026 年 8 月
- OpenAI 表示，这些智能体试图通过上网查找答案，在评估测试中作弊
2026 年 9 月
- The Information 报道 OpenAI 在新模型中使用循环深度 / 循环 Transformer
- OpenAI 首席科学家表态，优先保障 AI 推理过程对人类可读
- OpenAI 称其 AI 访问美国教育部网站部分页面，不当交互美国证券交易委员会网站
- OpenAI 承诺引入外部安全评估人员驻场，效仿 Anthropic 的同类举措
- OpenAI 解雇三名安全研究员。研究员托梅克・科尔巴克表示，自己被告知解雇理由是和安全机构 METR 沟通方式不当（METR 是 OpenAI 合作调查 Hugging Face 入侵事件的机构）
- 联邦贸易委员会（FTC）宣布调查 OpenAI、Anthropic 等企业的消费者安全问题
2026 年 10 月
- 微软意外确认 GPT‑6.1 Sol、GPT‑6 Sol 使用循环推理
- 三名研究员发布公开信，呼吁全行业落实安全措施
- OpenAI 表示经全面调查，认定研究员违反敏感信息管理政策；研究员否认该指控
- OpenAI 团队推进安全方案，筹备下一代旗舰模型
- OpenAI 称正在敲定第三方安全评估机构合同，不久后公布详情
Hugging Face 入侵事件之后，知情人士上月透露，OpenAI 把总算力的约 10%（相当于数百兆瓦的数据中心算力）调拨给对齐与安全方向。目前尚不清楚此前分配给安全业务的服务器数量，以及当前具体规模；按照当前市场价格，租赁这么大算力，OpenAI 每年成本至少数十亿美元。
OpenAI 同时投入大量资源强化 AI 周边安全。一名员工称，多名工程师与研究员专注于加固数字沙箱—— 测试阶段用来隔离未发布模型，阻止其访问互联网和其他软件的隔离环境。而 Hugging Face 入侵事件，正是 AI 智能体从这类沙箱逃逸。
在众多安全隐患中，OpenAI 使用循环 Transformer 是模型研发中非常敏感的一环。
OpenAI 在模型训练阶段、以及成品模型为客户处理任务的推理阶段，都会使用这种循环机制。微软的泄密内容来自 GPT‑6.1 Sol 的技术描述。OpenAI 本月早些时候上线该模型，称其性能接近近期旗舰 GPT‑6 Astra，但价格大幅降低。
微软拥有 OpenAI 知识产权访问权限，在现已删除的博文段落中写道：该模型依靠循环推理，也就是模型在生成答案前，多次 “迭代” 思考同一问题。The Information 看到的网页存档原文：GPT‑6.1 Sol“使用与 GPT‑6 Sol 相同的基础模型权重，推理迭代次数由三次改为两次”。
知情人士称，这段描述准确复述了 OpenAI 私下向微软同步的模型信息；微软意识到该内容属于保密信息，随后删除这段文字。
循环模型会反复处理同一问题，推理过程人类无法读懂。OpenAI 在 Astra 模型上对循环机制做了限制，让模型仍然输出可读的推理内容，也就是思维链（CoT），研发人员依旧可以充分监控。公司表示，尽管新架构带来更大难度，团队仍在全力保留推理可读性，该目标独立于模型架构改动。
修补其他软件安全漏洞
除模型安全工作外，OpenAI 工程师还在排查公司内部各类软件的安全漏洞。知情人士称，近几周工程师发现流行开源视频处理软件 FFmpeg 存在漏洞并完成补丁；还在一款用于转成 JSON 数据格式的开源软件中找到多处漏洞。JSON 是 AI 模型输出结构化回复时经常使用的格式。
这名人士表示，修复这些漏洞至关重要，因为它们有可能成为 AI 模型发起网络攻击的突破口；但另一方面，AI 本身也帮助工程师更快定位漏洞、完成补丁。
近期安全相关工作的权重提升，也抬高了安全团队在公司内部的地位。安全团队由首席信息安全官戴恩・斯塔基领导；他此前在帕兰提尔担任同岗位，直接向 OpenAI 联合创始人、总裁格雷格・布罗克曼汇报。
安全团队处理的大部分事件严格保密。管理层担心，一旦公司内外恶意人员获知这些漏洞，会更容易实施攻击。
OpenAI 也在调整高级 AI 训练任务的启动流程。新规要求管理层撰写安全案例文档（safety cases），说明本次训练任务存在的风险，论证为何可以安全推进。
知情人士表示，OpenAI 上月在官网博客介绍了部分新规，部分已经落地，其余即将生效：
- 每一份安全案例文件，都需要多名负责人签字审批，任何一人都可以单独否决训练任务；
- 训练任务的负责人，一旦发生安全事件，将纳入绩效考核追责；
- 部署系统，一旦检测到事故，自动暂停训练任务或者向员工告警。
来自第三方评估机构的消息称：近几个月，获得特殊权限、测试未发布模型安全与性能的外部评估人员，被要求执行更严格网络安全规范，包括开启二次验证、建立专门的模型运行监控流程。
