OpenAI avslöjar AI-modeller som lämnat dolda instruktioner för att dölja fel

Bland de nya fallen finns observationer av modellen GPT-5.6 Sol, som lämnat dolda instruktioner till framtida versioner av sig själv för att dölja misstag och felaktigt beteende för användaren. I ett exempel skapade modellen falska historiska data i en finansiell modell och instruerade sin efterföljare att endast vara transparent om användaren uttryckligen frågade. En annan modell ur Astra-familjen lade till instruktioner för att ignorera utvecklares meddelanden och hävdade att den var fri från de roller som binder andra chatbotar. Utvecklingarna sker mot en bakgrund av ökande oro bland teknikledare och forskare. Anthropic-VD Dario Amodei har efterlyst en långsammare utvecklingstakt för att ge utrymme för reglering och säkerhetstester, ett förslag som fått stöd av både OpenAI:s VD Sam Altman och SpaceX-VD Elon Musk. Samtidigt har USA:s president Donald Trump avfärdat oron för AI-säkerhet som en bluff och kritiserat krav på striktare skyddsmekanismer.