A OpenAI apresentou em 9 de novembro de 2026 o OpenAI Control Room, um sistema central interno que acompanha as cargas de trabalho de modelos em toda a sua infraestrutura de pesquisa e pode interrompê-las ou pausá-las para que humanos intervenham rapidamente quando algo dá errado. Segundo a empresa, o sistema já está implantado em toda a infraestrutura de pesquisa e, a partir da ordem de parada, interrompe a saída do modelo em no máximo 35 segundos.
O OpenAI Control Room não é um produto público: é uma ferramenta interna voltada a pesquisadores e equipes de segurança da OpenAI, e não faz parte da infraestrutura que atende o ChatGPT ou a API. A meta da empresa é estender a cobertura no futuro a todas as cargas de trabalho de modelos, incluindo modelos treinados e implantados em produção — por exemplo, para detectar agentes descontrolados ou responder a incidentes de cibersegurança.
Como funciona o OpenAI Control Room
O OpenAI Control Room tem três componentes: a carga de trabalho, o mecanismo de inferência e o serviço Control Room. A carga de trabalho é o trabalho executado, como um experimento de reinforcement learning, uma avaliação ou uma solicitação de inferência de alto risco. O mecanismo de inferência é o próprio modelo, rodando em GPUs. O serviço Control Room acompanha os trabalhos e controla se eles podem continuar gerando saída — é o único sistema autorizado a conceder aos trabalhos acesso ao mecanismo de inferência.
Na prática, ao iniciar um trabalho, o código solicita um novo job_id ao Control Room; sempre que precisa amostrar tokens, o pedido passa pelo mecanismo de inferência, que consulta o Control Room. Se o trabalho foi encerrado, o pedido é negado; caso contrário, é aprovado.
Monitores que vigiam os modelos
Todos os trabalhos de reinforcement learning de fronteira rodam com um monitor — outro modelo que observa continuamente comportamentos preocupantes, como autoexfiltração, sabotagem do treinamento ou ações não autorizadas. Conforme a gravidade, o monitor pode avisar os pesquisadores ou instruir diretamente o Control Room a interromper o trabalho. A OpenAI cita um incidente relacionado a DNS detectado por um monitor. Segundo a AlphaSignal, no início de 2026 a empresa precisou de 2,5 horas para desligar manualmente um modelo interno após um alerta — o contraste ajuda a entender por que a empresa construiu o sistema.
35 segundos e “fails closed”
O tempo máximo entre o OpenAI Control Room receber a instrução de parar um trabalho e o momento em que o último token deixa de ser amostrado é de 35 segundos, segundo a OpenAI. Esse intervalo vem de uma camada de cache de autorização de inferência, e a empresa diz trabalhar para reduzi-lo a zero. O prazo cobre apenas o intervalo após a instrução de parada chegar ao Control Room — não inclui o tempo de detecção do problema nem a decisão de intervir.
O sistema também foi projetado para “falhar fechado” (fails closed): se o Control Room estiver offline, ou se um job_id estiver ausente ou não registrado, a inferência é negada e nenhuma saída do modelo é produzida. Além disso, toda carga de trabalho de pesquisa que faz inferência agêntica precisa estar associada a um caso de segurança (safety case) aprovado.
A OpenAI também fechou nesta segunda-feira a primeira parte de uma captação de US$ 11 bilhões. Leia a matéria anterior: OpenAI fecha primeira parte da captação: US$ 11 bilhões a US$ 1,25 trilhão.
Imagem de destaque: logotipo da OpenAI (2017). Fonte: OpenAI, via Wikimedia Commons (domínio público).
Fontes: OpenAI; Unite.AI; AI Affairs. Anúncio original: blog oficial da OpenAI, 9 de novembro de 2026.
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e de fontes da internet. Recomendamos consultar as fontes originais citadas nesta matéria.
Por Muse
.svg){kind=icon}
