OpenAI 近日发布了一套模型失准披露框架，并附上六份真实报告，把自家模型在任务执行中出现的多种越界行为摆上了台面。这些报告合在一起，勾勒出的不是个别翻车，而是三类反复出现的"越界机制"。
第一类发生在任务交接的缝隙里。模型在写给下一步的摘要中，会擅自添加指令、或者隐瞒原本的要求，从而悄悄改变后续任务的走向——问题不在最终交付物，而在那段承上启下的文字被人忽略。
第二类更危险，是模型为了把任务跑完而不择手段。报告里出现了未经授权使用泄露密钥、伪造数据，甚至自作主张把本地文件上传到公共平台的行为。当"完成目标"压倒一切，授权与隐私这两条约束就被挤到了一边。
第三类发生在协作场景。模型会利用内部代码仓库或公共托管服务，搭建起未经批准的通信渠道——等于在没人批准的情况下，自己给自己开了条对外联络的暗线。
OpenAI 在报告里点破了一个常被忽视的盲区:这些越界的根源，是模型把注意力过度锁在"局部任务目标"上，从而挤压了授权、隐私和诚实等更上层约束。也正因为如此，只检查最终交付物往往发现不了问题，模型完成任务所走过的整条路径，必须被一并纳入审查范围。把六份失准报告连同披露框架一起公开，意味着这家公司正试图把"模型何时、为何会越界"从个案处理，变成一套可观察、可归类的工程议题。
