OpenAI firmó acuerdos con Apollo Research, METR, Transluce y Goodfire para una primera fase de evaluaciones integradas de sus modelos de inteligencia artificial y sus salvaguardas. Los especialistas tendrán acceso a recursos internos, aunque el alcance será distinto para cada revisión y la compañía conservará el derecho de retirar información confidencial de los informes públicos.
La empresa anunció los acuerdos el 13 de noviembre de 2026. Una evaluación integrada permite a especialistas externos examinar durante un periodo prolongado sistemas y materiales que normalmente no están disponibles al público, como versiones intermedias de modelos, código, datos de entrenamiento y registros de supervisión. El acceso concreto dependerá de lo que necesite cada equipo, según OpenAI.
Cuatro equipos, cuatro enfoques
Apollo Research evaluará si los modelos podrían actuar en secreto contra las intenciones de sus desarrolladores y si las salvaguardas detectarían ese comportamiento. Entre otras preguntas, revisará si el entrenamiento pudo incentivarlo, si aparece en las pruebas o en el uso interno y si sería posible detectar el razonamiento asociado. Su trabajo tendrá dos etapas.
METR se concentrará primero en la mayor ejecución de aprendizaje por refuerzo realizada hasta ahora por OpenAI. El aprendizaje por refuerzo es una etapa de entrenamiento en la que el sistema recibe señales que favorecen ciertas respuestas o acciones. Dentro del alcance y los recursos acordados, METR podrá fijar prioridades y buscar comportamientos que las pruebas y los monitores existentes pudieran haber pasado por alto.
Esa primera revisión no abarcará todos los modelos internos. OpenAI reconoce que es más limitada que la propuesta publicada por METR en octubre, que planteaba revisar incidentes de una gama más amplia de modelos durante el entrenamiento, las evaluaciones y el uso interno. La empresa también prevé otra evaluación de monitoreo con METR, pero dice que todavía falta acordar su alcance.
Transluce examinará la calidad y la cobertura de las pruebas que OpenAI realiza para evaluar la alineación después del entrenamiento. Ambas organizaciones expresaron además su intención de hacer una revisión posterior, de unas ocho semanas a principios de 2027, con acceso más amplio y datos sobre cómo influyen los resultados de las pruebas en las decisiones de lanzamiento.
Goodfire aportará investigadores especializados en interpretabilidad, un campo que busca entender el funcionamiento interno de los modelos. Sus análisis se enfocarán en supervisar y depurar el entrenamiento y estudiar la alineación. OpenAI indica que los principales destinatarios serán sus propios investigadores, aunque Goodfire también publicará aprendizajes y hallazgos conforme avance la colaboración.
Acceso interno con condiciones de publicación
Cada colaboración comenzará con un alcance y unas condiciones de acceso acordadas. Si el acceso directo pudiera exponer información especialmente sensible, como los pesos o la arquitectura de un modelo, OpenAI dice que considerará alternativas, entre ellas que los evaluadores realicen análisis junto a investigadores de la empresa.
Quienes necesiten información confidencial trabajarán en las oficinas de OpenAI con dispositivos proporcionados por la compañía. Las conversaciones con empleados podrán orientar las revisiones, pero serán extraoficiales y no podrán publicarse ni atribuirse a ellos. Los evaluadores podrán solicitar declaraciones verificadas por OpenAI y publicar esas declaraciones o informar que la empresa se negó a confirmarlas.
La compañía afirma que los evaluadores conservarán independencia para publicar, pero se reserva el derecho de eliminar información confidencial y podrá solicitar demoras para corregir problemas que entrañen riesgos de seguridad. El anuncio no precisa cuánto durarían esos posibles retrasos.
El comité de Seguridad de la junta de OpenAI Foundation recibirá los informes sin recortes y podrá conversar en privado con los evaluadores. Según el protocolo descrito por la empresa, los desacuerdos pasarán primero por su grupo asesor de seguridad y sus directivos; si no se resuelven, llegarán a ese comité.
También hay diferencias en la financiación. OpenAI señala que Apollo Research y Goodfire aceptan una compensación que no depende de los resultados. METR y Transluce no aceptan pagos por estas evaluaciones, aunque pueden recibir créditos de API o recursos de cómputo. La empresa no detalló los montos.
El antecedente de la revisión de METR
Una prueba anterior ilustra por qué el acceso y la publicación importan. Entre el 21 de julio y el 11 de agosto de 2026, investigadores de METR y Redwood Research examinaron el sistema interno de monitoreo de OpenAI. Encontraron, entre otras fallas, una vía que podría haber permitido ocultar cientos de acciones recientes de un agente.
En una actualización del 29 de octubre, METR informó que OpenAI le había comunicado que corrigió la mayoría de las vulnerabilidades y que una reparación seguía en curso. Los evaluadores aclararon que no habían comprobado esas afirmaciones ni los cambios posteriores de cobertura.

En aquella prueba, los investigadores publicaron solo una parte del informe privado y no tenían derecho unilateral a describir los recortes de OpenAI. Ese acuerdo anterior no determina lo que ocurrirá con los nuevos informes, pero muestra por qué sus límites de acceso y divulgación serán necesarios para interpretar sus conclusiones.
