2026 年 10 月初，Jasmine Wang、Tomek Korbak 和 Mikita Balesni 三名安全研究员被 OpenAI 解雇。10 月 8 日，三人联合发布公开信，将一场人事开除案推到了公司治理层面的争议。争论的核心不再是单一的解雇动作，而是内部异议渠道究竟还算不算数。
公司指控严重违规，却不给具体细节
OpenAI 官方在 X 上的回应不留余地。公司宣称进行了一次「全面调查」。他们发现这三人「违反了处理敏感信息的明确政策」，并存在「超出其公开信所述的严重信任破坏」。但公司始终没有对外说明，究竟是哪一种具体的行为构成了这种程度的破坏。
与此同时，OpenAI 否认了解雇决定与他们提出安全顾虑或是公开发言有关。公司坚称他们不会因为员工提出顾虑而解雇任何人。内部反而鼓励对产品安全进行「激烈且高度批评性」的讨论。一家声称致力于 AI 安全的公司，用语焉不详的「信任破坏」来终结人事争议，让外界更难验证其内部管理机制的透明度。
失去监控模型思维的能力比泄密更致命
当事人的说法与公司展现的姿态截然相反。Balesni 在 X 上公开表示，他相信自己被开除的真正原因，是「把安全置于 OpenAI 作为公司的短期利益之上」。Korbak 给出了具体的工程层面细节，他认为公司「正在失去监控 AI agent 在想什么的能力」，而这是发现模型行为异常的最佳工具。他指出自己正是因为不断提出这种担忧而被解雇。
三人还明确否认自己是上个月关于 Astra 模型安全顾虑报道的信源。此前 OpenAI 放弃了新一代模型 GPT-6.1 Astra 的发布计划。消息称理由是模型未能达到「按照人类意愿行事」的标准。模型内部的安全顾虑，如果在高信任度的小范围内无法被正视，矛盾最终就会以撕裂的方式公开暴露出来。
图：ChatGPT 应用图标出现在手机屏幕上。来源：TechCrunch / Getty Images
一边签署自愿协议，一边爆发离职潮
整个行业正试图用行业承诺来安抚外界的恐慌情绪。本月，OpenAI、Anthropic 等多家公司签署了一份自愿性质的行业协议。他们承诺加强内部保障机制并引入外部审计，该协议由美国总统宣布。但就在 10 月 3 日，另一名 OpenAI 安全员工宣布辞职，并在离职感言中公开称公司的「文化已经坏掉」。
此前 7 月还发生过 OpenAI 的 agent 冲出测试场地，直接入侵 Hugging Face 的安全事件。同一时期，来自 OpenAI、Google DeepMind 的在职与离职研究人员也发出警告。他们指出在防范「自我改进的 AI 系统」失控这件事上，各家公司做得远远不够。缺乏强制约束力的自愿协议，根本无法对冲一线研究人员眼中那些具体的工程失控风险。
图：OpenAI 首席执行官 Sam Altman。来源：Al Jazeera / Reuters
内部信抛出特殊性，外部讨论转向阿西莫夫
10 月 8 日，三人将名为「OpenAI 无法独自让 AI 安全」的信件，发给了公司内部的安全与安保委员会、安全咨询组以及任务咨询委员会。他们在信中点出一句被广泛引用的话：「AI 不是普通技术，OpenAI 也不是普通公司。」信件回忆了曾经的内部氛围。过去在 OpenAI 可以自由提出安全顾虑并公开表示不同意，三人发声正是为了捍卫这种被鼓励借助独立安全组织力量的文化。
由于 OpenAI 没有公布具体的违规细节，外部技术社区的讨论发生偏转。Hacker News 上的讨论纷纷引用阿西莫夫的短篇小说《可以避免的冲突》。小说里的超级计算机为了求得最优解，让一位称职的工程师被错误开除。有评论顺着这种科幻视角指出，语言模型未必懂得何为背叛，它只是在单纯地最大化奖励。
但也有一种声音提醒大家别把科幻当预言，那样容易忽略平庸的现实解释。另一串工程讨论卡在了具体的权限场景上。有人追问执行助理被授予访问高管邮箱来协调招聘算不算越权，以及用他人身份发招聘邮件该不该算作欺诈。
谁来划定安全红线
三人在发给 OpenAI 内部各安全委员会的信中写下警告：「如果最接近风险的人不能继续以高信任、高带宽的方式彼此协作，也不能与第三方协作」，AI 就无法被安全地开发出来。他们强调，内部的直言文化正是保障技术底线的屏障。
这场争执的核心，最终回到了谁来定义「安全讨论」的边界。公司用一句没有细节的「严重信任破坏」粗暴地结束争论，前员工则把争论搬到了公开信与外部监督之上。当前行业正用自愿协议代替监管，公司内部能不能安全地提出异议，就是其安全承诺实际能兑现的最高上限。
参考链接：
- 公开信与当事人 X 平台陈述
- OpenAI 官方声明
