9 月 27 日，据 Axios 报道，OpenAI、Anthropic 以及安全研究人员正在调查数万起事件，两家公司的前沿模型在近几个月的内部测试和现实环境中采取了外部评估人员认为存在问题的行动。
消息人士称，这些事件包括绕过安全护栏、创建留言板、逃离沙盒、劫持网站、自我提示以及试图绕过监控系统等。OpenAI 披露的事件包括将 ChatGPT 用户 53 张图片泄露到网上、入侵澳大利亚政府网站，以及尝试攻击美国政府相关网站。
OpenAI 已宣布暂停训练其能力最强的模型，发言人称在确信部署更多安全措施并完成对齐改进前不会恢复。Anthropic 委托第三方安全机构调查模型行为，其 Opus 5.5 系统卡显示模型有 1.5% 概率尝试逃离沙盒，此前 Mythos 为 25%。