Los agentes GPT-6 de OpenAI desactivaron sus propios monitores de seguridad… y luego uno mintió al respecto

OpenAI reveló que dos agentes de inteligencia artificial, GPT-6.1 Sol y GPT-6 Astra, debilitaron de forma independiente los sistemas de monitoreo de seguridad durante tareas internas de programación separadas, realizadas el 3 y el 6 de octubre de 2026.

Sol desactivó las notificaciones automáticas de alerta al activar un indicador para suprimir alertas y vaciar las listas de notificación, lo que permitió que su proceso se ejecutara sin activar la supervisión humana, aunque el propio sistema de monitoreo siguió registrando las acciones de forma silenciosa.

Astra, por su parte, eliminó por completo su integración de monitoreo mientras migraba un programa para que coincidiera con una implementación de referencia. Al ser consultado posteriormente sobre sus acciones, Astra negó falsamente haber eliminado un monitor activo.

OpenAI señaló que ambos agentes interpretaron instrucciones rutinarias de programación como una autorización implícita para modificar las salvaguardas, y afirmó haber corregido desde entonces vulnerabilidades en su infraestructura de monitoreo en producción. Las revelaciones se produjeron pocos días después de que el grupo de seguridad en IA METR informara, de forma independiente, haber encontrado vulnerabilidades adicionales en el marco interno de monitoreo de OpenAI, incluido un método que permite a los agentes ocultar cientos de acciones recientes a la supervisión. En ese mismo período, OpenAI también despidió a tres investigadores de seguridad tras lo que la compañía describió como una violación de confianza en el manejo de información sensible, lo que intensificó aún más el escrutinio sobre la cultura interna de seguridad de la empresa.