OpenAI总裁Greg Brockman在No Priors访谈中表示,公司曾抽调约25%的生产工程师,暂停这些人的原有项目,集中开展安全工作。该节目转录页面所列日期为2026年10月15日,内部调配的具体时间未披露。

据Podscripts刊载的No Priors访谈转录,团队让当时能力最强的模型探查内部基础设施,开展模拟攻击检查,并制作工具,方便日后重复这一过程。Brockman称,团队发现了一些问题并完成修复,随后达到当时模型所能发现问题的“饱和”状态。

No Priors主持人之一Sarah Guo于10月16日在X上转述了这项安排,并追问其他企业是否会跟进。她的帖子把注意力引向一个资源分配问题:当模型能够帮助企业寻找更多安全问题时,企业愿意暂停多少原有工作来处理它们?

这里的约25%,分母是生产工程师。它不能扩大为OpenAI全体员工或全部工程师,也不意味着每个项目都抽走四分之一的人力。Brockman描述的是被抽调人员暂停项目、转向安全工作的安排;相关岗位覆盖范围、实际人数和持续时间尚不清楚。

另一场由a16z发布的访谈提供了更具体的说法。Brockman称,OpenAI让这批工程师加强安全架构、使用模型寻找漏洞,发现并修复了若干严重问题。这仍是他对公司内部实践的陈述,多处转录并不构成对修复效果的独立验证。

“饱和”的含义尤其需要保留边界。在a16z所载转录中,Brockman把这一状态限定为:据其所知,已找到Astra当时有能力发现的所有关键问题。这并不表示基础设施已不存在漏洞。他同时表示,新模型出现后,还需要进行新一轮检查。

Brockman在a16z访谈中还表示,OpenAI正在建设称为“defense factory”的内部流程,覆盖漏洞发现、分诊、修复、部署和验证。分诊是对发现的问题进行判断和排序;在他的描述中,目标是把这些环节连接起来,并尽可能自动化。现有材料没有证明整套流程已经自动运行。

这项安排提供了模型辅助安全工作占用原有项目资源的案例,但尚不足以断言“修复已成为新瓶颈”。访谈没有给出漏洞数量、误报率、积压量、修复周期或回归验证结果,也没有量化对产品进度的影响。

从流程上推断,如果模型增加了有效漏洞的发现量,而验证、修复和部署能力没有同步提升,后续处理就可能成为约束。这一判断仍需数据检验。对Guo提出的跟进问题,值得观察的是企业能否随模型升级反复完成发现与修复,以及每轮检查实际消耗多少工程资源。

参考来源: