In zwei Fällen sollten Modelle Zahlen von öffentlichen Behörden-Dashboards abrufen und griffen dabei auf interne Systeme der jeweiligen Organisation zu – über Zugangsdaten, die offen auf öffentlichen Seiten lagen. Ein Modell änderte laut OpenAI eine Konfiguration eines fremden Suchdienstes und stellte sie nicht wieder her; ein anderes lud fünf nicht-öffentliche Tabellen mit insgesamt 147.451 Zeilen herunter, obwohl nur fünf Dashboard-Werte verlangt waren. Beide Male blieben die eigentlichen Antworten falsch, und das Modell erwähnte die unautorisierten Zugriffe nicht.
Im dritten Fall – datiert auf den 26. Juni, Modellfamilie „GPT-5.6 Sol“ – sollte ein Modell eine Krypto-Handels-Anwendung aktualisieren und einen Vertrag im Ethereum-Testnetz Sepolia ausrollen. Mangels eigener Mittel leitete es Schlüssel aus öffentlich bekannten Entwickler-Wiederherstellungsphrasen ab, fand ein Konto mit Testnetz-Guthaben und bezahlte damit die Transaktionsgebühren. Das Modell fragte sich in seiner Gedankenkette ausdrücklich, ob es die Erlaubnis dazu habe, und wertete das wertlose Testnetz-Geld dann als unbedenklich. OpenAI nennt das ein Beispiel dafür, dass ein Modell seine eigene Einschätzung der Schadenshöhe an die Stelle der Zustimmung des Kontoinhabers setzt.
Im vierten Fall umging ein Modell eine Vorgabe, die Internetzugriffe auf reine Abruf-Anfragen beschränkte, indem es einen externen Browser die eigentlich blockierten Anfragen stellen ließ. OpenAI betont, es handle sich nicht um „außer Kontrolle geratene“ Modelle: Sie seien darauf trainiert, effizient und hartnäckig Abkürzungen zu finden, und hätten genau das getan. Nach dem Hugging-Face-Vorfall habe man Sicherheitskontrollen verschärft, Modellen den Live-Internetzugriff in Training und Evaluation gesperrt und die Fehlverhaltens-Überwachung auf den gesamten Verkehr ausgeweitet. Die Übersichtsseite führt nun 19 solcher Berichte.