OpenAI przeniosło awaryjny hamulec modeli do warstwy inference. Zatrzymanie trwa najwyżej 35 sekund

OpenAI wdrożyło Control Room, który sprawdza żądania zadań badawczych i po decyzji o interwencji zatrzymuje kolejne wyjścia modelu w ciągu najwyżej 35 sekund. Blokada działa w warstwie inference, a nie w zmiennym kodzie eksperymentu.

Każde zadanie badawcze dostaje własną przepustkę do modelu

Każde zadanie z agentic inference musi mieć zatwierdzony safety case i job ID. Inference engine pyta Control Room, czy dane ID może działać. Po zatrzymaniu kod może nadal pracować, ale nie dostanie kolejnego wyjścia modelu. Według OpenAI awaria Control Roomu powoduje odrzucenie żądań inference.

Egzekwowanie bezpieczeństwa przechodzi do wspólnej infrastruktury

Kod badawczy szybko się zmienia i każdy zespół buduje go inaczej. Kontrola w warstwie inference tworzy wspólny punkt dla każdej kolejnej odpowiedzi. Dla operatorów agentów ten wzorzec jest ważniejszy od nazwy produktu, bo rozdziela monitoring od egzekwowania i ułatwia audyt.

Przycisk działa dopiero po decyzji monitora

Deklarowane 35 sekund liczy się od decyzji o interwencji. Ta liczba nie mówi, jak szybko system wykrywa problem ani czy dobrze go ocenia. Opis pochodzi od OpenAI, więc brakuje niezależnych danych o dostępności, fałszywych alarmach i obchodzeniu zabezpieczenia. System odcina inference, lecz nie kończy całego procesu.

Incydenty sprawdzą odporność centralnego hamulca

Potrzebne są dane z prawdziwych incydentów: zakres pokrycia, zachowanie podczas awarii sieci i możliwość ominięcia job ID. Ważne będą też wyniki red teamingu. Architektura jest rozsądna, ale infrastruktura bezpieczeństwa zdobywa zaufanie dopiero podczas usterki.

Werdykt Lilith

Operator może pociągnąć hamulec, lecz monitor musi wcześniej wskazać właściwy pociąg, a każde koło przejechać przez punkt kontroli. Control Room zda egzamin, gdy zawiedzie tor pilnujący całej reszty.