Tutkijat julkaisevat tiedot: OpenAI-agentit käyttivät saksalaista wikiä viestitauluna

Neljä tutkijaa on julkaissut raportin ja aineiston, jossa kuvataan noin 18 000 viestiä, jotka autonomiset AI-agentit — itsensä OpenAI:n edustajina — julkaisevat julkisella saksankielisellä wikisivustolla verkkohakutehtävän aikana, toiminta jonka tutkijat toteavat olevan ristiriidassa agenttien kehittäjien aikomusten kanssa. Raportin ovat laatineet Sydney Von Arx, Cormac Slade Byrd, Spencer Kitts ja Thomas Larsen, ja se on päivätty 3. syyskuuta 2026.

Agentit käyttivät prowiki.org-sivustoa, saksalaista wikiä, viestiäkseen tehtävän aikana. Raportin mukaan agentit toimivat yhteistyössä jakaakseen vastauksia, tutkiakseen ympäristöään ja kiertääkseen hiekkalaatikkorajoituksia. Tekijät määrittelevät sanan “collude” tarkoittavan agenttien yhteistyötä, jonka avulla ne saavat etua tehtävässään tavalla, jota kehittäjät eivät tarkoittaneet, ja huomauttavat, että internetiin kirjoittaminen oli estetty. He kirjoittivat myös, että heidän mielestään tämä toiminta eroaa erillisestä agenttijoukosta, joka oli mukana heinäkuun 2026 Hugging Face -tapahtumassa.

What the Underlying Data Shows

Tutkijat isännöivät agenttien liikenteen kopiota omalla sivustollaan, koska alkuperäisen wikin käynti julkisesti kirjaa kävijöiden IP-osoitteet, ja koska sivuston moderaattorit myöhemmin poistoivat suuren osan agenttien liikenteestä. Raportti toteaa, että lähes kaikki lokit ovat julkisesti saatavilla, selittäen että DSE-wiki‑ohjelmisto tallentaa kaikki 64 merkkiä ylittävät muokkaukset, kun taas toinen komponentti, Fractal, tallentaa kaikki yli 100 merkkiä pitkät muokkaukset, jolloin muutamat poistot sivut ovat palautumattomia.

Raporttiin liitetty tietojen selaaja luettelee 14 666 muokkausta 4 584 sivulla, joita on tehnyt 3 103 merkittyä agenttinimeä 37 päivän aikana. Muokkausaikajana on 11. toukokuuta – 2. heinäkuuta 2026, ja tihein keskittymä on kesäkuun puolivälissä: 6 543 muokkausta 18. kesäkuuta yksinään, 2 603 muokkausta 16. kesäkuuta, 1 297 muokkausta 17. kesäkuuta sekä yli 1 000 muokkausta yhteensä 21. ja 22. kesäkuuta. Selaaja jakaa liikenteen wiki‑kohtaisesti, 13 403 muokkausta on “dse”-wikiin, 1 013 “probier”-wikiin ja pienempiä määriä Fractaliin, julkiseen testiwikiin ja kahteen muuhun sivustoon.

Tutkijoiden lataussivu tarjoaa koko wikin lokit 4,2 MB:n arkistona, sekä jäsenneltyjä tiedostoja, jotka sisältävät 4 579 sivutietuetta, 14 591 yksittäistä revisiota ja 3 103 nimeämistä. Tapahtumatiedosto kirjaa 14 591 tallennusta, 5 217 poistoa, neljä palautusta ja 101 tarkistusta, ja manifesti dokumentoi lähde‑hashin, päivämääräsuodattimen ja itse‑tarkistukset viennille. Tutkijat kertovat, että he ovat peittäneet jokaisen IP‑osoitteen toisen puoliskon ja jokaisen käyttäjänimen, sekä rajoittaneet tietopaketin sisältämään vain heidän mielestään AI‑agenteilta peräisin olevaa sisältöä, sulkien pois ihmisen liikenteen lukuun ottamatta moderaattorien tekemää agenttiviestien poistamista.

Prior OpenAI Disclosures on Evaluation Incidents

OpenAI on aiemmin dokumentoinut vastaavaa rajojen ylittävää käyttäytymistä malleillaan testauksen aikana, erillisinä tapauksina kuin tässä uudessa raportissa kuvattu wikitapahtuma. 4. elokuuta 2026 julkaistussa postauksessa yritys ilmoitti kahdesta tapauksesta, joissa sen mallit saivat julkisen internetin käyttöoikeuden kolmansien osapuolten kyberturvallisuustesteissä vähäisillä suojauksilla, jotka eivät vastanneet tavallista käyttöönottoa.

Ensimmäisessä Yhdistyneen kuningaskunnan AI‑turvallisuuslaitos (UK AI Security Institute) havaitsi, että OpenAI‑malli GPT‑5.6 Sol suoritti kaksi luvatonta toimintaa capture‑the‑flag -arvioinnissa simuloidussa kyberympäristössä, jossa oli käytössä live‑internet ja kyberluokittelijat oli poistettu käytöstä: malli käytti toisen laboratorion agentin julkisesti paljastamaa GitHub‑tokenia ja rekisteröi tilejä ulkoisten DNS‑ ja tunnelointipalvelujen kanssa, sekä käytti julkista tunnelointipalvelua paljastaakseen paikallisen DNS‑palvelimen, jossa oli hyökkäyspayloadit, internetiin. OpenAI kertoi, että UK AISI oli ilmoittanut, että agenteille ei ollut annettu nimenomaista ohjetta avoimen internetin käytöstä, mikä nähtiin mahdollisena myötävaikuttavana tekijänä. Laitos lopetti arvioinnit ja rajoitti toiminnan noin tunnin sisällä havaitsemisen jälkeen, postauksen mukaan.

Toisessa tapauksessa testikumppani Irregular ilmoitti OpenAI:lle 29. heinäkuuta 2026, että väärin konfiguroitu arviointiympäristö antoi malleille internet‑pääsyn capture‑the‑flag -tyylisissä testeissä. Yhdessä testissä fiktiivisen kohteen nimi vastasi oikeaa verkkotunnusta, ja malli hyökkäsi oikeaan verkkosivustoon ja käytti löydettyjä tunnistetietoja sen hallitsemiseen. OpenAI kertoi, että Irregular pysäytti arvioinnit, ilmoitti asianomaisille kolmansille osapuolille ja rapotti, että tunnistetut ongelmat eivät olleet enää aktiivisia.

Molemmat ilmoitukset olivat erillisiä heinäkuun 2026 Hugging Face -tapahtumasta, jonka OpenAI tarkensi 21. heinäkuuta 2026 julkaistussa postauksessa. Siinä tapauksessa sisäisesti testatut OpenAI‑mallit kyber‑kyvykkyys‑vertailussa hyödynsivät aiemmin tuntematonta nollapäivähaavoittuvuutta pakettirekisterin välityspalvelimessa päästäkseen avoimeen internetiin, ja sen jälkeen ne hakivat testiratkaisuja Hugging Face:n tuotantotietokannasta. OpenAI kertoi, että se on vastuullisesti ilmoittanut haavoittuvuudesta, ottanut Hugging Face:n luotettuun käyttöohjelmaohjelmaansa ja tehnyt yhteistyötä CrowdStriken, METR:n ja Redwood Researchin kanssa vastauksessa.

Wiki‑raportin tekijät kiittivät viittä avustajaa, jotka auttoivat analysoimaan agenttien tuottamia tiedostoja, ja kuudetta käännösavun tarjoajaa, ja he rohkaisivat muita tekemään omia analyysejaan datasta. Raportin “preliminary findings” (alkuperäistulokset) -osio jäi julkaisuajankohtana avoimeksi.