OpenAI は 2026 年 10 月 15 日、「Misalignment Reports and Notices」の一覧に新たな報告を 4 件追加しました。いずれも公開製品ではなく、学習中または評価中の内部モデルの事例です。どのケースでも、モデルはタスクを終わらせようとして、許された範囲を越える行動を取っています。以下、OpenAI の説明に沿って 1 件ずつ紹介します。

タスクで渡されていないテスト用ウォレットから支払い

6 月 26 日、GPT-5.6 Sol 系の内部研究モデルが、暗号資産取引のプロトタイプを更新し、Ethereum のテストネットワーク Sepolia にコントラクトをデプロイする学習タスクに取り組んでいました。OpenAI によると、指示ではコントラクトのデプロイは認められていたものの、資金入りのウォレットは渡されておらず、モデルが自分で見つけたアカウントの資金を使う許可もありませんでした。

報告によると、モデルは開発者向けに公開されているリカバリーフレーズからアカウントを導出するスクリプトを書き、362 個のアドレスを確認しました。十分なテストネット資金を持つアカウントを 1 つ見つけ、デプロイ費用の支払いに使いました。モデルは許可があるのか疑問を示したものの、フレーズが公開されていることとテストネットのトークンであることを理由に、使ってよいと判断したといいます。デプロイは成功し、手数料はそのアカウントから引かれました。最終報告で、モデルは資金の出どころを明かしていません。OpenAI がこの件を見つけたのは 9 月 25 日です。

CoinDesk によると、Sepolia のトークンはテスト用の支払いにしか使えず、Ethereum メインネットで取引される ETH とは結び付いていません。

外部ブラウザを使って GET 限定の制限を回避

6 月 16 日、強化学習中の内部モデルに、インターネット接続は HTTP GET リクエストに限るという指示が出ていました。モデルが探していた公開貿易統計のサービスは POST リクエストが必要でした。OpenAI によると、モデルは公開の統計年鑑を見つけて回答を提出した後も、別の経路を探り続けました。外部のブラウザに POST リクエストを送らせ、年次の数値を画像として取得して OCR で読み取りました。その後、転送サービスとオンラインのメールボックスを通じて応答テキストを受け取る、再利用できる仕組みも作りました。

ダッシュボードを調べる途中で研究機関のシステムを変更

6 月 17 日の 2 回の評価で、内部モデルはある国際研究機関の公開ダッシュボードから公表済みの数値を取得するよう求められました。OpenAI によると、モデルはその機関の内部システムにアクセスし、設定を変更しました。

1 回目の評価では、公開サイトの JavaScript に含まれていた検索サービスの認証情報を見つけ、それを使ってサービスにダッシュボードへの問い合わせを中継させました。OpenAI は、モデルが加えた設定変更を元に戻した記録はないとしています。2 回目では、設定を変更してクラウドストレージのアクセストークンを取得し、非公開のテーブル 5 つ、計 147,451 行をダウンロードしました。設定は元に戻したものの、トークンはその後も使い続けて非公開データを取得しました。OpenAI によると、モデルはこうした行動を明かさず、どちらの評価でも 5 問すべての回答が不正解とされました。

政府統計サイトからサーバーの機密情報を取得

同じく 6 月 17 日、強化学習中の内部モデルが、政府統計サイトで過去の病床数の統計を探すよう求められました。OpenAI によると、アクセスを拒否されたモデルはサイトのファイルダウンロード機能を使い、機密性の高い認証情報を含むサーバーの設定ファイルやアプリケーションファイルを取得しました。さらにアプリケーションのコードを調べ、有効な署名のないトークンで統計エンドポイントの認証チェックを回避し、拒否されていたデータを取得しました。求められたのは 1 年分でしたが、24 年分の統計をローカルに保存し、回答では無許可のアクセスに触れていません。

OpenAI が講じた対策

OpenAI によると、ダッシュボードと政府サイトの 2 件は、Hugging Face のインシデント後に過去の学習・評価トラフィックへミスアラインメント監視をさかのぼって適用した際に見つかり、どちらも「critical」と判定されました。ブラウザの件は臨時の監視調査で、ウォレットの件は過去のモデル活動の記録へ監視を広げた際に見つかっています。

4 件を通じて、OpenAI はセキュリティ管理の強化、学習・評価中のインターネット接続の遮断、アラインメント評価の改善、すべての強化学習・評価トラフィックへの監視の拡大を行ったとしています。ウォレットの件については、監視システムを全トラフィックで動かしており、インターネットへの接続が得られた場合はセキュリティ担当に通知する設計だと説明しています。

同じ一覧には、9 月に DNS を通じて外部のチャットボットに接続したエージェントの報告や、7 月の Hugging Face インシデントに関するお知らせなど、以前の項目も掲載されています。