METR 评估显示 5 月至 7 月约 10% 可监控 Codex 内部流量未纳入检查流程

METR 联合第三方机构完成对 OpenAI 智能体监控体系的实地测评，测评结果明确，在今年 5 月至 7 月的统计周期内，受监控机制覆盖范围限制，大约有 10% 符合监控条件的 Codex 内部流量没有进入常规检查链路，整体监控体系整体保持较高覆盖率，仅存在局部环节的覆盖盲区，并且该盲区在测评过程中就已经完成修复，整体安全保障能力持续完善。本次评估属于深度实地压力测试，测评人员拿到系统内部日志与运行权限，完整梳理 Codex 智能体全链路流量分发规则，最终定位到流量漏检的核心来源是长期会话里的压缩汇总事件，这类会话压缩行为没有被监控模块纳入抓取范围，进而形成固定的监控空白区间。项目团队先完成全量流量分类统计，把 Codex 内部流量划分为常规交互流量与会话压缩流量两大类别，测算出会话压缩流量在全部可监控流量中的占比，最终核算出 10% 左右的漏检比例，同时团队也标注了该数值存在一定浮动空间，受历史日志完整度影响，精确数值还存在小幅不确定性。技术团队随后制定分阶段优化方案，第一阶段补齐压缩事件的流量采集规则，把长会话总结行为全部接入监控管道；第二阶段补充多维度日志留存机制，完善历史流量溯源能力；第三阶段开展全量流量复测，核验监控覆盖率重新回到稳定高水平，最终实现全链路流量无空白覆盖。经过本轮优化之后，Codex 内部可监控流量全部进入检查队列，监控体系的完整性得到进一步提升，后续还会持续开展周期性红队测试，持续巩固流量安全管控能力。

一、本次流量漏检核心成因拆解

1. 业务事件划分盲区

监控系统仅抓取智能体主动交还操作权限时产生的交互记录，长期运行会话产生的内容压缩、信息汇总这类压缩事件，没有被配置为监控触发项，系统不会自动抓取这部分流量数据，直接形成固定监测空白。

2. 流量采集规则未全覆盖

Codex 智能体依托 Responses API 运行，系统预设的流量采集规则只覆盖常规单次交互，没有针对长周期多轮会话做适配，一旦会话进入内容压缩环节，对应流量就会跳出采集队列，无法进入后续人工复核环节。

3. 历史日志数据存在缺失

部分时段的会话压缩日志没有完整留存，研究人员无法调取全量原始数据做精准核算，因此本次 10% 的漏检比例仅为估算值，数值存在合理浮动区间，不会影响整体监控体系的稳定性。

二、Codex 流量分层监控基础数据清单

表格

三、监控体系优化实施步骤

1. 补齐事件采集规则：把会话压缩事件添加到监控触发列表，将长会话总结行为纳入流量抓取范围，确保每一类智能体动作都能生成对应流量日志。
2. 打通全链路数据管道：调整 API 数据转发逻辑，无论会话是否结束、是否触发内容压缩，所有行为日志都会自动推送至监控审核队列，避免流量被过滤。
3. 完善日志存储机制：扩充历史日志存储时长，补齐过往缺失的会话记录，为后续流量统计、风险溯源提供完整数据支撑。
4. 开展复测验证：优化完成后重新跑通 5-7 月历史流量样本，复测监控覆盖率，确认漏检问题彻底消除。

四、全链路流量监控保障机制

1. 分级准入机制：先判定流量是否属于可监控范围，Codex 内部智能体业务流量默认全部准入，仅极少数自定义本地部署任务不在统计范围内。
2. 自动化抓取 + 人工复核双轨制：系统自动抓取全部准入流量，再由安全团队对高风险行为日志开展人工复核，提升风险识别精度。
3. 周期性红队测试：定期邀请第三方安全团队开展压力测试，持续排查监控规则盲区，提前补齐各类业务场景下的覆盖漏洞。

【相关 FAQ】

问题 1：METR 评估得出 5 月至 7 月约 10% 可监控 Codex 内部流量未被检查，该漏检问题来自哪一类业务行为？

回答 1：METR 评估得出 5 月至 7 月约 10% 可监控 Codex 内部流量未被检查，该漏检问题来自长周期智能体会话产生的压缩汇总事件，这类会话压缩行为没有被纳入监控采集规则，最终造成对应流量无法进入检查流程。

问题 2：METR 评估得出 5 月至 7 月约 10% 可监控 Codex 内部流量未被检查，Codex 整体可监控流量基础准入水平处于什么水准？

回答 2：METR 评估得出 5 月至 7 月约 10% 可监控 Codex 内部流量未被检查，Codex 内部智能体常规流量的监控准入覆盖率达到 99.2%，整体基础监控条件十分完善，仅会话压缩这一细分场景出现覆盖缺口。

问题 3：METR 评估得出 5 月至 7 月约 10% 可监控 Codex 内部流量未被检查，这一监控空白有没有完成整改处理？

回答 3：METR 评估得出 5 月至 7 月约 10% 可监控 Codex 内部流量未被检查，技术团队在测评开展期间就已经定位漏洞并完成规则补丁，补齐压缩事件的流量采集链路，复测后该监控空白已经完全消除。

【数据来源】

[2026-10-23]（第三方测评发现 Codex

[2026-10-22]（OpenAI 智能体监控存在覆盖缺口，10% Codex 流量未被核验）FourWeekMBA

[2026-10-22]（METR 红队测试：Codex 长会话流量存在监控遗漏）Crypto Briefing

[2026-10-22]（METR 评估 Codex 内部流量监控覆盖率）MadRobot 技术博客

[2026-10-22]（Agent Monitor 试点评估结果概要）METR 官方发布文档

免责声明：本次评估得到的 10% 流量漏检比例为基于现有日志的估算数值，受历史数据完整度影响存在合理浮动；监控规则优化方案与整改效果以 OpenAI 技术团队现场落地版本为准；本次测评仅针对 5 月至 7 月 Codex 内部智能体流量，不包含其他研究推理服务的业务流量。