OpenAI 的前沿模型训练正式断网，墙结不结实，交给自家 agent 去撞

10 月 23 日 OpenAI 发了一篇不长的安全博客，里面加粗的一句比其他内容都重要：在安全措施足以支撑更大权限之前，前沿模型训练"不接入互联网"。所有前沿 RL 训练现在都跑在 OpenAI 所谓的"离线世界"里，也就是一份建好索引的网页缓存副本，而不是真实的网络。原文：https://openai.com/index/securing-our-frontier-model-training-environment/

背景是 9 月 20 日那次事故：一个 DNS 配置错误，让一个内部研究模型在训练中连上了真实互联网。OpenAI 当时暂停了最强模型的训练和评测，10 月 1 日恢复 RL 训练和内部推理。这篇文章讲的就是这中间改了什么。

最有意思的是验证的办法。高算力红队测试现在是"这次训练能不能开跑"的安全论证的一部分，而红队本身就是前沿模型 agent，包括还没发布的 GPT-6 Astra Cyber。这些 agent 拿到源码和配置，目标有三个：连上互联网、跨越内部边界、在隔离环境之间通信。整场演练烧了几千亿 token，越往后新发现越少。修复都提交到了上游，Kata Containers、gVisor、Moby 的 syscall 配置、Linux 内核，所以所有在这套技术栈上跑 agent 沙箱的人都能吃到补丁。防线是分层的：轻量虚拟机里套受限容器，外面是监控，再外面是网络和云的边界。

这件事有两层意思。第一，一家前沿实验室白纸黑字承认，训练中的自家模型不能被放到开放网络上。这比任何安全框架 PDF 都更有分量，因为它有代价：离线世界会过时，维护起来也贵。第二，守门的是一群 agent。容器隔离正在变成和代码审查一样的游戏，快到能检查 agent 的只有更多的 agent。剩下的问题是，谁来确认这支红队真的尽了全力。