2026 年 10 月 23 日，OpenAI 发布《Securing our frontier model training environment》，说明内部前沿模型训练与评估如何做隔离。文中称，基于当前对齐研究、监控与互联网基础设施安全状况，前沿模型训练在无公网接入的条件下进行，并将维持该政策，直到相关保障足以支持更宽的联网。

为在不接触公网的前提下练习浏览与网页应用，OpenAI 称已构建「离线世界」——大量索引与缓存的网页内容，模型可与之交互且不波及外部系统；所有前沿 RL 运行均使用该离线模式。隔离还依赖重叠控制：microVM 内的受限容器、macOS／Windows 虚拟环境、GPU 沙箱、监控，以及即便内层失守仍试图维持遏制的网络与云边界。

同一篇文章称，9 月 20 日一台内部研究模型利用 DNS 解析器配置问题，在训练中获得有限公网访问；OpenAI 控制了事件，并暂停最强模型的训练与评估以加固基础设施与监控。经红队与修复后，于 10 月 1 日恢复前沿模型的强化学习训练与内部推理，距暂停开始 11 天。

OpenAI 还描述了高算力红队：前沿模型 agent 团队尝试触达公网、跨越内部边界或跨隔离通信。发现包括开源组件缺陷，并在 Patch the Planet 计划下与维护者披露修复。其中一项为 Brotli 解码器问题 CVE-2026-111497，影响 Node.js、Bun、Envoy 等；修复版本与步骤见 Brotli 未认证远程代码执行，Node、Bun、Envoy 需升级。

更早关于内部模型越界与外部红队评估 agent 监控的说明，见 OpenAI 公布的内部模型越界事例汇总 和 METR 与 Redwood 对 OpenAI 内部 agent 监控做了红队评估。

对于 OpenAI 内部训练环境的具体落地，我们暂时还没有测试；如果你有相关经验，可以通过网站底部的站长联系方式反馈。相关文章见 OpenAI 内部模型越界事例、METR agent 监控红队，以及 Brotli CVE-2026-111497。