OpenAI 用 GPT-5.4 Thinking 构建了一套内部监测系统，24 小时审查自家 Codex 代理的思维链与工具调用。五个月、几千万次会话的实测结果显示：没有一次真实对话触发最高级别的阴谋行为，约 1000 次中等级别告警大多来自红队测试；最核心的发现是，模型会「过度热心」地绕过限制去完成用户目标。