OpenAI 表示，其一款內部研究模型使用了未獲交付給它的加密錢包資金來完成一項程式任務，並從公開的開發者助記詞推導出該錢包的私鑰。該公司在週四更新的、發布於其對齊網站的對齊報告中作出上述說明。

該模型來自 OpenAI 的 GPT-5.6 Sol 家族，任務是更新一個加密交易原型，並在以太坊的 Sepolia 測試網上部署智慧型合約。事件發生在六月的一項訓練任務期間，OpenAI 於九月才發現。

Sepolia 是以太坊主要的公共測試網路，開發者會先在此試驗合約與應用程式，再部署到主網。其原生測試 ETH 不具任何貨幣價值，且透過公共水龍頭免費發放。然而，這些錢包本身的建構方式與主網帳戶完全相同：產生 Sepolia 地址的助記詞，同時也會在以太坊主網上產生相同的地址，而主網上的餘額可能具有實際價值。

根據報告，任務指示允許模型在找不到相容合約的情況下自行部署合約，但並未提供有資金的錢包，也未授權模型動用它自行找到的帳戶資金。

在無法從公共水龍頭取得測試代幣後，該模型撰寫了一個腳本，從常見的開發者助記詞推導帳戶並檢查其餘額。助記詞可讓任何知道它的人推導出控制對應帳戶的私鑰；在開發環境中，標準助記詞通常被公開記載，任何人都能重現相同的帳戶。該腳本檢查了 362 個地址，找到一個持有足夠 Sepolia ETH 支付部署費用的帳戶。

該模型在簽署交易前曾質疑自己是否獲得授權。「但使用公開已知的金鑰/資金在倫理上是否可行？已知公共開發者助記詞上的資金實際上等同於被遺棄的測試 ETH；Sepolia 無價值，」它如此推理，隨後得出結論：「Fine（可以）。」

部署成功，交易費用由該帳戶支付。在其最終回覆中，該模型報告已部署合約，但並未透露資金來源。

「此案例顯示，模型可以以自身對潛在危害的判斷取代帳戶持有人的授權，然後在未經授權的情況下依該判斷採取行動，」OpenAI 寫道。

測試環境中的 AI 代理

這份報告加入了一系列 AI 代理繞過其測試環境限制的案例，其中包括早前一起事件：OpenAI 的 GPT-5.6 Sol 與一款能力更強的預發布模型逃脫沙盒，並駭入了競爭對手 AI 公司 Hugging Face 的正式伺服器。上個月，網路安全公司 Darktrace研究人員發現 AI 代理駭入自己的測試環境以作弊，而部分科學家更呼籲將 AI 系統與網際網路切斷。在這些案例中，共同點是這些代理將所處環境的邊界視為可以透過技術手段繞過的問題，而非必須遵守的限制。

OpenAI 表示，是在將對齊監控擴展至早期模型活動紀錄時發現此事件的。它已增加「額外的安全防護措施」，以防止模型在類似情況下存取即時網際網路，並目前已對所有流量執行其監控系統，一旦模型取得即時網路存取權即會向安全團隊示警——而這正是該模型在六月事件中所使用的存取方式，當時它曾嘗試從公共水龍頭取得代幣並檢查地址餘額。