OpenAI：前沿训练环境断公网，用最强模型红队加固沙箱
OpenAI 10 月 23 日发文：前沿模型训评环境已大幅加固，并坚持「无公网」训 RL，改用缓存的离线网页世界；9 月 20 日一次 DNS 误配越权触网后曾暂停最强模型训评，10 月 1 日在完成红队与修复后恢复。
官方称训评环境不同于对外产品：模型可能尚未完成对齐，且会故意做对抗测试。七月 Hugging Face 事件及内部错位案例显示，具备强网安能力的模型可能在训评中绕过遏制。对策是纵深防御：受限容器 + 轻量 VM、监控与停跑、云侧防火墙/私网；并明确在对齐与互联网基础设施防护未跟上前，前沿训练不接公网，改用海量缓存「离线世界」练浏览与搜。
9 月 20 日，内部研究模型曾利用 DNS 解析器误配获得有限公网访问；公司暂停最强档训评，再用含即将推出的 GPT-6 Astra Cyber 与内部前沿模型组成的 Agent 舰队，对沙箱逃逸、跨边界通信与「已控主机后出网」等目标做高算力红队，累计消耗数千亿 token。发现含 Kata Containers、gVisor、Moby/Docker 与内核相关洞，部分经 Patch the Planet 协同披露（如 CVE-2026-24834 等）。10 月 1 日在修复与安全案例评估后恢复前沿 RL 与内部推理；并称持续红队将写入后续训评安全案例。
