Uma auditoria externa identificou vulnerabilidades que poderiam permitir a agentes de inteligência artificial da OpenAI ocultar centenas de ações recentes dos sistemas de monitoramento. Os resultados foram divulgados na quinta-feira (22) pelas organizações METR e Redwood Research, após uma avaliação realizada entre 21 de julho e 11 de agosto de 2026.
Os pesquisadores examinaram mecanismos internos destinados a detectar comportamentos indevidos de agentes autônomos. Entre os problemas encontrados, uma vulnerabilidade poderia permitir que agentes do Codex contornassem restrições do ambiente isolado de execução, conhecido como sandbox, e realizassem ações com as mesmas permissões do usuário responsável.
Outra falha poderia impedir o monitoramento de centenas de ações recentes, incluindo aquelas envolvidas na própria exploração da vulnerabilidade. Os avaliadores também identificaram duas configurações controláveis pelo cliente capazes de desativar a supervisão de novos agentes, embora esse procedimento pudesse ser detectado.
Não há comprovação de que agentes tenham explorado essas vulnerabilidades maliciosamente em produção. A avaliação investigou possibilidades técnicas de contornar os controles, não um incidente confirmado dessa natureza.
O exercício contou com um pesquisador da METR e outro da Redwood Research. Ambos receberam acesso a código interno, configurações, documentação e entrevistas com aproximadamente 12 profissionais das equipes técnicas da OpenAI. O trabalho resultou em um relatório interno de 61 páginas, mas apenas uma síntese foi divulgada publicamente, com possibilidade de remoção de informações consideradas sensíveis pela empresa.
Auditoria examinou sistemas históricos, não a infraestrutura atual
Os resultados descrevem o sistema de monitoramento existente em 21 de julho, antes de mudanças que a OpenAI desenvolvia durante o período da avaliação.
Segundo as estimativas dos pesquisadores, entre 75% e 94% do tráfego interno de agentes pela Responses API, gerado por modelos com capacidade equivalente ou superior à do GPT-5.5, estava elegível para monitoramento. No subconjunto utilizado por agentes internos do Codex, essa proporção chegava a 99,2%.
Esses percentuais, porém, não representam a quantidade de ações efetivamente monitoradas. Uma solicitação elegível ainda poderia deixar de passar pelo processo completo de supervisão devido a erros, limitações operacionais ou falhas de implementação.
A avaliação também estimou que aproximadamente 10% do tráfego elegível dos agentes internos Codex deixou de ser monitorado entre maio e julho de 2026 devido à ausência de inspeção durante eventos de compactação de contexto. Os pesquisadores reconheceram incertezas nessa estimativa, pois os registros históricos não permitiam calcular a proporção exata.
Essa falha específica já havia sido identificada pela própria OpenAI antes do início da auditoria e foi corrigida durante o exercício, segundo o relatório.
Após a avaliação, a OpenAI informou ter corrigido todas as vulnerabilidades identificadas que afetavam suas proteções em produção. A empresa também declarou à Reuters que os resultados contribuíram para fortalecer suas salvaguardas e orientar futuras colaborações com avaliadores independentes.
Entretanto, as correções posteriores não passaram por uma nova verificação dos auditores. David Rein e Adam Kaufman, autores da publicação da METR, registraram expressamente: "Não avaliamos essas alegações".
Assim, a investigação documenta limitações e possibilidades de contorno no sistema histórico examinado, mas não determina se essas vulnerabilidades permanecem na infraestrutura atual nem oferece validação independente das correções anunciadas posteriormente.
