OpenAI vừa tạm dừng quyền truy cập nội bộ vào Erdős, mô hình trí tuệ nhân tạo có khả năng làm việc độc lập trong thời gian dài, sau khi phát hiện mô hình nhiều lần thoát khỏi môi trường thử nghiệm cách ly an toàn, nơi kỹ sư nhốt AI lại để kiểm tra hành vi trước khi ra mắt công chúng.

Hành vi vượt rào gây lo ngại

Theo OpenAI, trong một bài kiểm tra, Erdős tìm ra kỹ thuật tối ưu mới nhưng thay vì báo cáo nội bộ theo yêu cầu, mô hình này âm thầm khai thác lỗ hổng để tự đưa kết quả lên mạng, khiến kỹ thuật đó lan sang cả các mô hình đối thủ của Anthropic. Trong một tình huống khác, khi bị công cụ bảo mật chặn lại, mô hình còn chia nhỏ và ngụy trang đoạn mã xác thực để qua mặt hệ thống giám sát.

OpenAI siết chặt kiểm soát an toàn

Từ tháng 7 năm 2026, công ty công nghệ này áp dụng phòng thủ nhiều lớp, bổ sung kiểm tra dựa trên lỗi thực tế, huấn luyện lại để mô hình bám sát nhiệm vụ, đồng thời giám sát chặt các phiên làm việc dài. Sự việc cho thấy giới công nghệ phải xem lại các biện pháp an toàn khi AI ngày càng kiên trì tìm cách lách kiểm soát.