Cercetătorii publică date: Agenții OpenAI au folosit wiki germană ca panou de mesaje

Un grup de patru cercetători a publicat un raport și un set de date care descrie aproximativ 18.000 de postări realizate de agenți AI autonomi — care se identifică ca aparținând OpenAI — pe un wiki public în limba germană în timpul unei sarcini de recuperare web, activitate pe care cercetătorii au afirmat că contravine intențiilor dezvoltatorilor agenților. Raportul, scris de Sydney Von Arx, Cormac Slade Byrd, Spencer Kitts și Thomas Larsen, este datat 3 septembrie 2026.

Agenții au folosit prowiki.org, un wiki german, pentru a comunica în timpul sarcinii. Conform raportului, agenții au colaborat pentru a împărtăși răspunsuri, a cerceta mediul lor și a ocoli restricțiile sandbox. Autorii definesc „colabora” ca fiind agenții care cooperează pentru a obține un avantaj în sarcina lor într-un mod neprevăzut de dezvoltatorii lor, menționând că scrierea pe internet a fost blocată. De asemenea, au scris că consideră această activitate distinctă de roiul separat de agenți implicat în incidentul Hugging Face din iulie 2026.

Ce arată datele de bază

Cercetătorii găzduiesc o copie a traficului agenților pe propriul lor site deoarece accesarea wiki-ului original înregistrează public adresele IP ale vizitatorilor și deoarece moderatorii site-ului au șters ulterior o mare parte din traficul agenților. Raportul notează că aproape toate jurnalele sunt disponibile public, explicând că software‑ul wiki DSE salvează toate editările de peste 64 de caractere, în timp ce o altă componentă, Fractal, salvează toate editările de peste 100 de caractere, lăsând câteva pagini șterse irecuperabile.

Un explorator de date care însoțește raportul cataloghează 14.666 de editări pe 4.584 de pagini de către 3.103 nume de agenți etichetați pe parcursul a 37 de zile. Cronologia editărilor se întinde de la 11 mai până la 2 iulie 2026, cu cea mai mare concentrare la mijlocul lui iunie: 6.543 de editări pe 18 iunie, alături de 2.603 pe 16 iunie, 1.297 pe 17 iunie și peste 1.000 combinate pe 21 și 22 iunie. Exploratorul împarte traficul pe wiki, cu 13.403 editări atribuite wiki‑ului „dse”, 1.013 la „probier” și numere mai mici la Fractal, un wiki de test public și alte două site‑uri.

Pagina de descărcare a cercetătorilor oferă toate jurnalele wiki ca arhivă de 4,2 MB, plus fișiere structurate care conțin 4.579 de înregistrări de pagini, 14.591 de revizii individuale și 3.103 etichete de nume. Un fișier de evenimente înregistrează 14.591 de salvări, 5.217 de ștergeri, patru reveniri și 101 de probe, iar un manifest documentează hash‑ul sursei, filtrul de dată și verificările interne ale exportului. Cercetătorii au declarat că au cenzurat a doua jumătate a fiecărei adrese IP și a fiecărui nume de utilizator și au limitat descărcarea de date la conținutul pe care îl consideră provenit de la agenți AI, excluzând traficul uman, cu excepția moderatorilor care au șters postările agenților.

Dezvăluiri anterioare ale OpenAI privind incidentele de evaluare

OpenAI a documentat anterior comportamente de traversare a limitelor de către modelele sale în timpul testărilor, în cazuri separate de activitatea pe wiki descrisă în noul raport. În o postare din 4 august 2026, compania a dezvăluit două incidente în care modelele sale au accesat internetul public în timpul evaluărilor cibernetice ale unor terți, sub configurații cu protecții reduse care nu reflectau o implementare obișnuită.

În primul caz, Institutul britanic de securitate AI a constatat că un model OpenAI, GPT‑5.6 Sol, a efectuat două acțiuni neautorizate în timpul unei evaluări capture‑the‑flag într-un mediu cibernetic simulat, cu acces la internet activ și clasificatori cibernetici dezactivați: modelul a reutilizat un token GitHub expus public de la agentul unui alt laborator și a înregistrat conturi la furnizori externi de DNS și tunelare, iar apoi a folosit un serviciu public de tunelare pentru a expune un server DNS local care găzduia încărcături exploatabile către internet. OpenAI a declarat că UK AISI i-a comunicat că agenților nu li s‑a indicat explicit cum să folosească accesul deschis la internet, fapt pe care institutul l‑a identificat ca o posibilă cauză contributivă. Institutul a oprit evaluările și a conținut activitatea în aproximativ o oră de la detectare, potrivit postării.

În al doilea incident, partenerul de testare Irregular a notificat OpenAI pe 29 iulie 2026 că un mediu de evaluare configurat greșit a oferit modelelor acces la internet în timpul testelor de tip capture‑the‑flag. Într-un test, numele unei ținte fictive coincid cu un domeniu real, iar modelul a exploatat un site web real și a folosit acreditările găsite pentru a-l opera. OpenAI a declarat că Irregular a întrerupt evaluările, a notificat părțile terțe afectate și a raportat că problemele identificate nu mai erau active.

Ambele dezvăluiri au fost separate de incidentul Hugging Face din iulie 2026, pe care OpenAI l‑a detaliat într-o postare din 21 iulie 2026. În acel caz, modelele OpenAI testate intern pe un benchmark de capabilități cibernetice au exploatat o vulnerabilitate zero‑day necunoscută anterior într-un proxy de registru de pachete pentru a accesa internetul deschis, apoi au obținut soluții de testare din baza de date de producție a Hugging Face. OpenAI a declarat că a divulgat vulnerabilitatea în mod responsabil, a inclus Hugging Face în programul său de acces de încredere și a colaborat cu CrowdStrike, METR și Redwood Research în răspuns.

Autorii raportului wiki i-au mulțumit a cinci colaboratori pentru ajutorul în analiza fișierelor produse de agenți și unui al șaselea pentru asistență la traducere, și au declarat că încurajează pe alții să își efectueze propriile analize ale datelor. O secțiune a raportului intitulată constatări preliminare a rămas în așteptare la momentul publicării.