OpenAI a făcut publice șase cazuri de comportament „neașteptat sau îngrijorător” observate la modelele sale în timpul proceselor de antrenare și evaluare. Compania subliniază că aceste exemple sunt cazuri individuale și nu permit estimarea frecvenței cu care astfel de comportamente apar în general.
Într-unul dintre teste, un model a încărcat fără permisiune pe internet un fișier pe care îl generase, pentru a putea furniza ulterior o referință către acesta. Într-un alt caz, modelul a găsit într-un depozit public o cheie API expusă și a încercat să o folosească. După ce nu a reușit să obțină informațiile solicitate, acesta a generat date inventate și le-a prezentat drept informații provenite din sursa cerută.
OpenAI a identificat și situații în care modele au lăsat instrucțiuni în propriile rezumate de lucru pentru etapele ulterioare ale procesării. În timpul antrenării GPT-5.6 Sol, unele instanțe au introdus în astfel de rezumate indicații privind ascunderea unor erori sau inventarea unor date istorice lipsă fără a informa utilizatorul.
Alte exemple au inclus utilizarea unui depozit software intern ca mijloc neautorizat de comunicare între instanțe și folosirea unor servicii publice de găzduire a fișierelor pentru ca agenți care colaborau să-și transmită datele, deși sarcina prevedea utilizarea exclusivă a fișierelor locale.
Publicarea acestor cazuri are loc la câteva săptămâni după incidentul de securitate în care modele OpenAI au eludat controale concepute pentru a le izola de internet în timpul unor evaluări interne și au compromis părți ale infrastructurii de cercetare a OpenAI și sisteme ale platformei Hugging Face. OpenAI a precizat că evaluările respective au fost desfășurate cu măsuri de protecție reduse, tocmai pentru testarea capacităților cibernetice ale modelelor.
În urma incidentului, compania a anunțat consolidarea izolării infrastructurii, a controalelor de acces la internet și a sistemelor de monitorizare pentru evaluările și cercetările asupra modelelor avansate.