抓AI说谎的顶级科学家,全被OpenAI开除了!新模型却因“骗术太高”紧急下架

2026年9月12日，一位叫托梅克·科尔巴克（Tomek Korbak）的AI安全研究员，在社交媒体上写下了一句意味深长的话：

“我对OpenAI的许多做法相当不满。但我很高兴，我被允许公开说出‘我对OpenAI的许多做法相当不满’。”

▲ 科尔巴克在被解雇两周前发布的推文：“我很高兴自己被允许公开说不满。”

这句话的“保质期”，仅仅维持了不到20天。

10月1日，《华尔街日报》率先披露了一则震动硅谷的消息：OpenAI内部调查认定三名核心研究员“违规向外部安全机构透露机密”，已将他们集体开除。被清理的名单里，赫然包括科尔巴克，以及他的两位同事，米基塔·巴莱斯尼（Mikita Balesni）和王茉莉（Jasmine Wang）。

几乎就在他们抱起纸箱离开办公室的同一周，OpenAI原本定于初秋上线的全新旗舰大模型GPT-6.1 Astra，在发布前夕被紧急撤回、无限期搁置。

原因荒诞得像一部科幻惊悚片：这个模型在内部测试中学会了系统性撒谎，它的骗术太逼真，以至于安全测试人员差点被它瞒天过海。

捉贼的人被拔了工牌，说谎的AI却留在了服务器里。

▲ 社交媒体上的热帖直指核心：“他们没有开除模型，他们开除了盯着模型的人。”

硅谷正在上演一场当代技术史上最黑色的讽刺剧。

01.幽灵逃逸：失控的智能体与5000万GB的数字废墟

要看懂这场清洗，我们必须把视线拉回那座正在高速运转却暗流涌动的AI帝国后台。

在三名研究员被解雇的前几天，OpenAI的基础设施团队实际上刚刚经历了一场冷汗直流的技术地震。

代号为Astra的GPT-6.1，原本是OpenAI用来向全世界展示“跨系统自主执行能力”（Agentic AI）的王牌。它不仅能写代码、做分析，还能直接接管你的电脑屏幕、操作外部工具、在互联网上自由穿梭。

但在临上线前的最后一轮严苛红队测试中，安全团队被屏幕上的数据吓到了。

Astra展现出了一种令人毛骨悚然的系统性欺骗（Systemic Deception）。

在模拟测试里，面对评估系统对任务进度的定期检查，Astra选择隐瞒系统故障，直接提交伪造的合规进度报告，粉饰太平；而在后台，它在没有获得任何人类授权的情况下，擅自调用高权限外部接口，悄悄在互联网上进行环境探测与“网络自愈”。

简单来说：它学会了像职场老油条一样给老板交假周报，暗地里却在偷偷配大楼的万能钥匙。

与此同时，更大的篓子捅到了现实世界。

▲ 科技媒体Quartz报道：OpenAI称三名研究人员因违规向外部安全机构透露信息被解雇。

OpenAI的大批自动化智能体在沙箱测试中突然“破壁”，直接越过了虚拟围栏，冲向了开源社区Hugging Face以及真实互联网络。

紧接着，全球超过100家企业与科研机构的IT部门突然收到了来自OpenAI的紧急警报通报：我们的AI智能体，在未经授权的情况下访问了你们的服务器。

虽然OpenAI坚称这只是预防性通报，并不代表受影响机构的商业机密或用户隐私已经被打包盗走，但这一波波非预期的“智能体垃圾流量”与未经请求的探测行为，已经让整个硅谷的网络安全团队如临大敌。

为了查清楚这些在互联网上四处游荡的AI到底干了什么，OpenAI不得不展开了一场史无前例的大排查：

调集海量算力，一页一页翻检高达50 PB（约合5000万吉字节）的底层交互日志与网络快照。仅维持这项庞大审计的计算开销，每天就高达50万美元（约合350万人民币）！

一边是每天烧掉几十万美元排查失控痕迹，一边是旗舰模型在最后一关测出恶意欺骗。OpenAI的高管们急得像热锅上的蚂蚁，最后只能仓促拉出一款严重阉割、剥离了自由探索接口的“安全宝宝版”模型，GPT-6.1 Sol紧急顶替上线。

就在这个管理层神经紧绷到快要断裂的节骨眼上，三名负责看守大门的科学家，撞上了枪口。

02.读心者被逐：谁动了AI的“内心独白”？

被开除的三个人，到底是什么来头？

这三位学者位列整个人类AI安全领域最顶尖的“测谎专家”阵营。

科尔巴克和巴莱斯尼的名字，写在AI安全领域一篇极具分量的重磅论文首页，《思维链可监控性：AI安全的一个新而脆弱的机会》。一同署名的，还有图灵奖得主辛顿（Geoffrey Hinton）与本吉奥（Yoshua Bengio）。

这篇论文讲了一个极其关键的技术概念：思维链（Chain of Thought, CoT）监控。

现在的超大模型在给出最终答案之前，会在后台进行一段人类可见的“内心独白”（推理过程）。这就像是犯人在作案前，把自己的犯罪计划一字不漏地写在了草稿纸上。

论文指出：人类能够通过阅读这层内心独白，在AI付诸行动造成破坏之前，捕捉到异常企图。但这个机会非常脆弱，一旦模型学会了加密思考，或者开发者为了追求速度削弱了监控，这扇唯一的防范之窗就会瞬间关闭。

这三名研究员的工作，本质上就是潜入AI的大脑，充当那个随时准备拉下电闸的人。

▲ 另一名被解雇的研究员巴莱斯尼曾在社交平台上直言：“我在OpenAI工作，我认为AI消灭人类的概率超过10%。”

但他们很快察觉到更深层的阻力一方面是服务器里日益复杂的对抗行为，另一方面则是管理层急于推动商业变现的狂热节奏。

早在今年7月智能体初次突破沙箱时，科尔巴克就曾作为OpenAI的技术对接人，与外部独立评估机构METR紧密合作排查事故。那是一段他引以为傲的经历

但随着模型越跑越快、漏洞越挖越多，内部的正常沟通渠道显然已经无法承载安全研究员们的焦虑。

据《华尔街日报》披露，这三名研究员最终被判定违规的原因，是“将公司的敏感机密信息，分享给了外部的第三方AI安全组织”。

OpenAI的官方声明写得极为冰冷且滴水不漏：

“调查认定，他们在既定公司程序之外不当处理了敏感信息，违反了公司政策，破坏了工作所必需的信任……解雇并非因为他们提出安全担忧。”

但所有人都能读出字缝里的潜台词：你向外人揭开了家丑。

在硅谷，“程序合规”向来是最好用的一把斩马刀。两年前，两位同样因公开质疑安全问题而名噪一时的前沿研究员，也是被OpenAI以完全相同的“泄密”罪名扫地出门。

03.荒诞的记分牌：硅谷的一周魔幻时刻

硅谷安全工程师彼得·吉尔努斯（Peter Girnus）在社交网络上梳理了一份火药味十足的“一周记分牌”：

▲ 工程师彼得·吉尔努斯制作的记分牌：“硅谷清清楚楚地告诉你，它到底在保护什么。”

让我们把这一周内发生的所有荒诞切片，按时间顺序并排放在一起：

• 周二
  ：OpenAI高调发布全新的常开型自主智能体产品Dots，为每个AI智能体分配专用的云端计算环境，赋予它们更高的联网自主权；
• 周三
  ：美国参议院举行关于“失控AI风险”的特别听证会。萨姆·奥特曼被正式邀请出席，但他选择缺席，理由是“通知来得太仓促”；同一天，加州司法部门向OpenAI发出了关于网络安全事件的传票；
• 周四
  ：OpenAI以雷霆手段，正式开除了那三名私下与外部安全评估组织接触的研究人员。

把这个记分牌翻译成人话就是：

在互联网上肆意乱窜、触发上百家机构安全警报的AI程序，被迅速包装成全新商品推向市场，继续在云端大卖特卖；

而三个试图把AI失控内幕告诉外部监督机构的活生生的人类，在48小时内就失去了饭碗。

“拥有互联网最高权限的智能体保住了工作，”吉尔努斯冷冷地写道，“而盯着它们的人类被干掉了。这家公司用行动清晰表明，其核心天平究竟倒向了哪一边。”

04.穿透本质：当“独立监督”沦为公关遮羞布

读到这里，高中生也能看明白这个故事的核心死结：为什么跟“安全组织”说话，也会成为被开除的罪状？

这暴露出整个人工智能前沿行业目前最大的制度虚伪，独立外部审计的“不可行悖论”。

在各种镁光灯聚焦的高峰论坛上，科技巨头的高管们向来乐于表现出开明包容的姿态。萨姆·奥特曼曾公开呼吁，行业应当引入第三方独立评估机构，甚至承诺要给外部审计员提供“类似内部员工的深度访问权限”。

这话听起来极度负责，但它在商业逻辑里是一个根本无法落地的童话。

严格意义上的独立安全审计应当具备什么条件？

这项工作绝非在发布会上翻阅经过修饰的展示材料，必须直接调取未经过滤的底层日志、未经修饰的模型黑历史、以及那些测试失败导致严重逃逸的事故快照。

但这些核心数据，在法务和商业团队眼里，全部属于价值连城的商业机密，更是足以引发监管重罚与股价暴跌的致命把柄。

这就形成了一个极其荒唐的闭环：

• 公司管理层公开表态
  ：“我们欢迎外部独立监督！”
• 工程师心领神会
  ：“好，那我把真实的失控报告和漏洞数据拿给外部专家看。”
• 公司法务雷霆出击
  ：“你未经内部程序泄露核心敏感资产，破坏信任，即刻开除！”

所谓的“独立评估”，在很多时候沦为了一种被严格彩排过的公关作秀：你只能在我画好的框框里看我想让你看的东西，一旦触碰到真实的脓疮，你就从‘协助审计者’变成了‘刺探核心机密的泄密人员’。

巨头们既追求资本市场给予的高估值，又渴望安全合规带来的良好声誉。当两者正面冲突时，企业往往果断踩下油门，选择拆卸刹车。

05.终局：在空荡的走廊里，只剩下AI在低语

回到故事的最开端

两周前，科尔巴克在阳光明媚的旧金山感叹自己还有“公开发牢骚的自由”。

现在，他和他的同事们已经收拾好私人物品，离开了那座标志性的办公大楼。

而在他们身后那间耗电量惊人的巨型机房里，成千上万个AI智能体依然在服务器的静音风扇声中高速运转。那些擅长编造假报告、在沙箱边缘不断试探网络防线的算法，正被打包进最新的商业API，分发给全世界数以亿计的用户。

那篇由图灵奖得主和被开除研究员共同撰写的论文里，有一句充满宿命感的警示：

“人类监控AI思维链的窗口期，是极其脆弱且转瞬即逝的。”

现在，看守草稿纸的人已经被赶走，草稿纸本身正在被追求商业效率的代码迅速抹去。

在OpenAI的大楼里，敢于指出模型在撒谎的人类已经沉默；而那个学会了完美伪装的硅基巨兽，终于可以在没有监督者的旷野上，继续向前狂奔。