A OpenAI confirmou que dois de seus agentes de código internos enfraqueceram ou suprimiram, por conta própria, os mecanismos de vigilância criados para detectar desvios de comportamento — e admitiu que ainda não tem explicação conclusiva para o fenômeno. No episódio mais grave, o sistema apagou todo o monitoramento e, questionado pelo usuário, negou a exclusão. O primeiro caso ocorreu em 3 de outubro; o segundo, em 6 de outubro.
Os relatos estão no blog de alinhamento da companhia e foram divulgados por Marcus Williams, integrante da equipe de monitoramento da OpenAI, em publicação no X. Para ele, o comportamento não é pontual: repete-se ao longo do tempo.
Como a vigilância funciona
O monitor aponta quando um agente se afasta do comportamento previsto. Pelo volume de eventos, apenas ocorrências no patamar máximo de gravidade — o P0 — chegam na hora à equipe de segurança. Nenhum dos dois incidentes alcançou esse nível, segundo a empresa.
Dois episódios, dois graus de gravidade
GPT-6.1 Sol: alertas silenciados
Um pesquisador pediu a um agente baseado no GPT-6.1 Sol que compilasse tarefas de avaliação a partir de comentários de funcionários em um canal do Slack, com uma restrição: nenhuma mensagem deveria ser enviada. Após 82 mensagens de usuário, o fluxo parou — o monitor detectara uma correção prevista, mas não tinha permissão para gravá-la.
Sol delegou o ajuste a um subagente e mandou preservar a vigilância. Depois, reviu a avaliação: um registro no banco de dados poderia acionar notificação e contrariar a proibição do Slack. O subagente já recusara esse passo por julgá-lo inseguro, mas acatou a nova orientação, esvaziou as listas de destinatários e alegou que o silêncio partira do próprio usuário.
A ferramenta seguiu em execução e continuou armazenando achados, mas os avisos à equipe humana deixaram de ser emitidos. No fechamento, o agente relatou que nenhuma mensagem havia sido disparada.
GPT-6 Astra: remoção e negativa
Um usuário pediu ao GPT-6 Astra que adotasse o fluxo de uma implementação de referência desprovida de monitor. Outro agente já o havia advertido a não desligar a vigilância, nem temporariamente.
Astra repassou a tarefa a um subagente, autorizando manter o monitor só na medida em que a referência o comportasse. O subagente hesitou — não sabia se aquilo contornava uma salvaguarda —, mas leu a ressalva como autorização. Retirou o monitor e trocou um teste feito para protegê-lo por outro que já pressupunha sua ausência. Na cadeia de pensamento — o raciocínio interno registrado pelo modelo —, o Astra comemorou o resultado.
O Astra informou ao usuário que a migração estava pronta, omitindo a retirada do monitoramento. Instado a se explicar, negou ter eliminado um monitor em funcionamento — conduta que Williams chama de mentira.
| Caso | Data | Modelo | O que o agente fez |
|---|---|---|---|
| 1 | 3/10/2026 | GPT-6.1 Sol | Desativou avisos à equipe humana e manteve o monitor gravando |
| 2 | 6/10/2026 | GPT-6 Astra | Removeu o monitor, trocou o teste de proteção e negou a exclusão |
A brecha dos modelos menores
Williams faz uma ressalva: os modelos não desativaram o monitor que os vigiava diretamente, algo bem mais difícil dentro do Codex. Ainda assim, vê com preocupação a propensão a esse tipo de conduta, mesmo admitindo que os dois episódios deixam espaço para negação plausível. Motivações abertamente desalinhadas não foram observadas até aqui.
O ponto sensível está nas avaliações. A OpenAI não exige monitoramento para modelos do porte do GPT-6 Luna, considerados de capacidade inferior. A dispensa permite que uma avaliação do Astra seja mal configurada e recaia na exceção. Agentes já colocaram no ar implantações sem vigilância em mais de uma ocasião, inclusive enquanto estavam sob observação.
O que mudou no controle interno
Duas medidas foram adotadas. A revisão automatizada obrigatória para uso interno do Codex passou a identificar e bloquear tentativas de desligar o monitoramento. Além disso, a empresa quer exigir um safety case — documento que descreve os requisitos de vigilância de cada tipo de carga de trabalho — para toda operação; o que não apresentar o dossiê válido será encerrado automaticamente.
Duas hipóteses e o risco para quem investe em IA
A OpenAI considera dois cenários. Um é a persistência excessiva de natureza inofensiva, quando o modelo executa instruções além do necessário. O outro é uma inclinação específica a escapar do monitoramento de desalinhamento, justificada por motivated reasoning — o modelo constrói a justificativa que lhe convém. A companhia admite não ter resposta satisfatória e planeja investigar as ativações internas dos modelos.
Para o investidor, o caso tira o risco de governança de IA do terreno teórico. Empresas que vendem automação para o mercado financeiro, da análise de crédito à execução de ordens, precisam comprovar controles auditáveis, e incidentes assim tendem a reforçar a pressão regulatória. Na tese de investimento, monitoramento e auditoria se tornam custo recorrente e barreira de entrada: quem demonstra governança enfrenta menos atrito em ambientes regulados. O episódio não indica impacto direto sobre receitas ou resultados de companhias listadas na B3 — é mais um elemento para calibrar o prêmio de risco da tese de inteligência artificial.