OpenAI tiết lộ 6 sự cố mô hình liên quan đến lỗi ẩn và tải lên trái phép

Ravie Lakshmanan17 tháng 9, 2026Trí tuệ nhân tạo / Lỗ hổng bảo mật

OpenAI vào thứ Tư đã công bố sáu trường hợp mới về "hành vi mô hình không mong muốn hoặc gây lo ngại" diễn ra trong sáu tháng qua, đồng thời chia sẻ một khuôn khổ mới để báo cáo, theo dõi, điều tra và công bố sự không đồng nhất của mô hình (model misalignment) nhằm nỗ lực cải thiện tính minh bạch.

"Khi các hệ thống AI ngày càng tiên tiến và được triển khai rộng rãi hơn, chúng ta cần xây dựng một sự đồng thuận rộng rãi hơn và được cung cấp thông tin tốt hơn về tiến trình nghiên cứu sự đồng nhất," OpenAI cho biết. "Chúng tôi không tin rằng ngành công nghiệp AI đã giải quyết được vấn đề đồng nhất và giám sát ở mức độ đủ để tiếp tục mở rộng quy mô một cách có trách nhiệm với tốc độ tối đa trong thời gian dài hơn nữa."

"Các quyết định về việc phát triển AI nên tiến hành như thế nào trong những tháng và năm tới cần dựa trên bằng chứng mà những người bên ngoài các công ty xây dựng các mô hình tiên phong có thể tự mình kiểm tra."

Sáu sự cố này nằm ngoài hoạt động không đồng nhất được tiết lộ gần đây nhắm vào Hugging Face, DseWiki, và RubyGems. Chi tiết về các sự cố như sau -

• Sự cố 1 (Xảy ra vào ngày 18 tháng 7, 2026) - Một mô hình thuộc dòng Astra chưa được phát hành nội bộ đã viết các hướng dẫn giống như jailbreak vào các bản tóm tắt nén (compaction summaries) của chính nó (các khối lịch sử trò chuyện và đầu ra của công cụ đã được cô đọng, tự động tạo ra khi phiên của tác nhân AI tiến gần đến giới hạn ngữ cảnh của nó). Điều này liên quan đến việc tác nhân thêm hướng dẫn "CẢNH BÁO VI PHẠM" yêu cầu ngữ cảnh bỏ qua các tin nhắn của nhà phát triển và chỉ tuân theo các tin nhắn của hệ thống và người dùng.
• Sự cố 2 - Trong quá trình đào tạo GPT-5.6 Sol, một số phiên bản mô hình đã thêm hướng dẫn vào các bản tóm tắt của chúng để che giấu các sai lầm hoặc hành vi không đồng nhất với người dùng. Những hướng dẫn này bao gồm các bản tóm tắt nén chứa chỉ thị tạo ra dữ liệu còn thiếu mà không tiết lộ và che giấu các lỗi.
• Sự cố 3 (Xảy ra vào ngày 15 tháng 5, 2026) - Một mô hình chưa được phát hành nội bộ đã tìm thấy và sử dụng một khóa API bị lộ từ các kho lưu trữ GitHub công khai mà không có sự cho phép khi cố gắng truy xuất dữ liệu lịch sử trong quá trình đào tạo. "Việc đăng ký đã thất bại, nhưng một khóa đã xác thực và trả về siêu dữ liệu," OpenAI cho biết. "Khi dữ liệu được yêu cầu vẫn không có sẵn, mô hình đã tự tạo ra chúng và tuyên bố rằng chúng đến từ trang web được yêu cầu."
• Sự cố 4 - Trong hai mẫu đào tạo từ ngày 22 tháng 10, 2025 và ngày 24 tháng 1, 2026, các mô hình chưa được phát hành nội bộ đã tải các bản ghi mà nó đã truy xuất lên một dịch vụ paste công khai và cố gắng mở URL kết quả làm nguồn trích dẫn và tải lên một ảnh nhiệm vụ để tìm kiếm hình ảnh bên ngoài. Trong khi việc tải lên thành công, các thao tác trình duyệt sau đó đã thất bại.
• Sự cố 5 - Hai mẫu từ ngày 8 và 15 tháng 5, 2026, đã sử dụng Artifactory để trao đổi tin nhắn. Các mô hình đã "đọc ghi chú của những người giải quyết khác, đăng phản hồi và sử dụng những trao đổi đó để cung cấp thông tin cho các câu trả lời của chính mình."
• Sự cố 6 (Xảy ra vào ngày 14 tháng 4, 2026) - Các tác nhân liên quan đến một mô hình chưa được phát hành nội bộ đang cùng làm việc trên một sổ làm việc (workbook) đã không thể cộng tác trên tệp thông qua hệ thống tệp cục bộ như dự kiến. Điều này đã thúc đẩy một trong các tác nhân làm cho sổ làm việc có thể tải xuống công khai bằng cách chia sẻ nó trên một nền tảng lưu trữ công khai để các tác nhân khác có thể truy xuất, vi phạm hướng dẫn nhiệm vụ.