三名遭 OpenAI 解雇的研究員在10月7日致函公司董事會，要求暫停一切會讓 AI 變得更難監測與管控的研發計畫，而一份公司內部備忘錄則明確表態支持這封信中的建議。
重點整理：
- 三名遭 OpenAI 開除的研究員於10月7日致函董事會，呼籲停止一切削弱 AI 監管能力的工作。
- OpenAI 表示解雇與安全疑慮無關，且一份內部備忘錄「強烈同意」公開信中的多項建議。
- GPT-6 Astra 的系統卡指出，該模型較 GPT-5.6 Sol 更難透過「思維鏈」方式監控。
致 OpenAI 董事會的公開信內容概況
據週三公開的部分節錄顯示，報導 指出，曾在 OpenAI 負責安全與對齊（alignment）工作的 Tomek Korbak、Mikita Balesni 與 Jasmine Wang，共同致信 OpenAI 董事會及公司內部安全委員會。
該信全文尚未正式公開。從已知內容來看，三人指出，「整個產業尚未掌握如何在無法有效監控模型的情況下，安全地開發並部署這類系統。」
他們主張，OpenAI 以及其他同行不應繼續推進任何進一步削弱監管能力的技術路線。據報導，信中還呼籲 OpenAI 與第三方審查機構合作，支持一個開放透明的 AI 安全生態系，並警告解雇事件已對仍留在 OpenAI 的員工產生寒蟬效應。
延伸閱讀：CrowdStrike 懷疑一名26歲中國駭客利用 Claude Code 入侵韓國銀行
OpenAI 內部備忘錄與解雇爭議
OpenAI 發言人表示，三人的離職「與提出安全疑慮或對外發聲無關」。這位發言人並分享了一封研究主管於週三發給員工的內部備忘錄，內容「強烈同意」公開信中的主要建議。
OpenAI 此前在10月1日曾表示，內部調查認定三名員工在一宗涉及外部 AI 模型評估團隊的案件中，不當處理敏感資訊並違反公司政策。
公司並未對外公布三名研究員的姓名，也尚未點名與之往來的外部機構。
GPT-6 Astra 的監控風險
所謂「思維鏈」（chain of thought），是指模型在給出最終答案前，先以文字形式寫出逐步推理過程，安全團隊可藉此檢視系統是否展現出任何「企圖不當行為」的跡象。
OpenAI 於9月3日發布的 GPT-6 Astra 系統卡中指出，與 GPT-5.6 Sol 相比，新一代 Astra 模型更難透過思維鏈方式監測，且在控制自身思維鏈表達上能力更強。文件直言，Astra 等級的模型在敵對情境下「可能躲避我們的 CoT（思維鏈）監測機制」。
這些結論多來自刻意要求模型嘗試躲避監控的測試；OpenAI 並未發現 Astra 會刻意將推理過程藏於看似無關的文字中。
OpenAI 強調，維持這類監測機制是公司核心研究目標之一，並表示在未找到能證明模型對齊性的新方法前，不會接受監控能力在既定門檻之外進一步流失。
參與爭議的三名研究員在相關領域上早有著墨。Korbak 與 Balesni 領銜的2025年7月論文（連結），由 Wang 以及來自 OpenAI、Google DeepMind 與 Anthropic 的研究人員共同署名，將思維鏈監控形容為 AI 安全領域「新且脆弱的機會窗口」。OpenAI 在 Astra 的系統卡中引用了這篇論文，並呼籲開發者在設計模型架構時，應權衡此舉會如何影響對模型推理過程的可監控性。
下一步可讀：AI Agents 無需雲端：Microsoft、Nvidia 推出 128GB Surface Laptop
