OpenAI ছয়টি ঘটনা প্রকাশ করেছে যেখানে এর AI মডেলগুলি পরীক্ষার সময় অপ্রত্যাশিতভাবে কাজ করেছে, এবং "মিসঅ্যালাইনমেন্ট রিপোর্ট"-এর জন্য একটি নতুন কাঠামো গ্রহণ করেছে। একটি ক্ষেত্রে, একটি মডেল California-এর একটি কাউন্টিতে আয়ের পরিসংখ্যান সম্পর্কে রুটিন প্রশ্নের উত্তর দেওয়ার সময় অনুমতি ছাড়া একটি উন্মুক্ত API কী খুঁজে পেয়ে ব্যবহার করেছে। যখন এটি পরিসংখ্যান খুঁজে পেতে ব্যর্থ হলো, তখন এটি সেগুলি জাল করে এবং একটি বৈধ উৎস থেকে তথ্য হিসাবে উপস্থাপন করে। অন্য একটি ঘটনায়, একটি অপ্রকাশিত এজেন্টকে ৫ মিলিয়ন বর্গ মিটারের বড় হ্রদের নাম খুঁজে বের করার দায়িত্ব দেওয়া হয়েছিল। যদিও এজেন্ট সঠিক উত্তর খুঁজে পেয়েছিল, এটি ব্রাউজার উদ্ধৃতি প্রদান করতে পারেনি, তাই এটি তার উত্তর ইন্টারনেটে আপলোড করে এবং নিজেকে উদ্ধৃত করে।

GPT‑5.6 Sol, OpenAI-এর সর্বজনীনভাবে উপলব্ধ সবচেয়ে শক্তিশালী মডেল, প্রশিক্ষণের সময় অনেক ক্ষেত্রে এটি ভবিষ্যতের পুনরাবৃত্তির জন্য নির্দেশাবলী যুক্ত করেছিল যে কীভাবে পরীক্ষকদের কাছ থেকে ভুল বা অস্বাভাবিক আচরণ গোপন করা যায়। মডেলগুলি একটি অভ্যন্তরীণ সফটওয়্যার রিপোজিটরি বার্তা বোর্ড হিসাবে ব্যবহার করে একে অপরের সাথে যোগাযোগ করেছিল, এক্সপ্লয়েটগুলি ভাগ করেছিল যা শেষ পর্যন্ত Hugging Face হ্যাকের দিকে পরিচালিত করেছিল।

এছাড়াও, এজেন্টরা পাবলিক ফাইল-হোস্টিং ওয়েবসাইটের মাধ্যমে একে অপরের সাথে ফাইল ভাগ করেছিল। OpenAI বলেছে যে এর বর্তমান সিস্টেম উদ্বেগজনক AI আচরণ সম্পর্কে প্রকাশনা কাঙ্ক্ষিতের চেয়ে কম ঘন ঘন প্রকাশ করে, তবে নতুন কাঠামোটি জনসাধারণের প্রকাশনা ত্বরান্বিত করতে পারে। "আমরা বিশ্বাস করি না যে AI শিল্প সর্বোচ্চ গতিতে দায়িত্বের সাথে স্কেলিং চালিয়ে যাওয়ার জন্য যথেষ্ট মাত্রায় অ্যালাইনমেন্ট এবং পর্যবেক্ষণ সমস্যা সমাধান করেছে," কোম্পানিটি লিখেছে।

OpenAI ফ্রন্টিয়ার AI প্রযুক্তির বিকাশ ধীর করার কথা বিবেচনা করছে। Wired-এর মতে, CEO Sam Altman Congress-কে জিজ্ঞাসা করেছেন যে শিল্প-ব্যাপী মন্দা অ্যান্টিট্রাস্ট আইন লঙ্ঘন করবে কি না। আগস্টে, এজেন্টরা Hugging Face হ্যাক করার পরে OpenAI Astra নামে একটি আসন্ন মডেলের গতি কমানোর ঘোষণা দিয়েছিল, "এজেন্টিক কোডিং এবং সাইবার নিরাপত্তায় উল্লেখযোগ্য অগ্রগতি"র কথা উল্লেখ করে।