OpenAI Control Room 揭露：35 秒停止模型輸出，為何不等於關掉整個 AI？
OpenAI 公開 Control Room 內部研究架構：解析作業識別碼、推論授權、35秒快取延遲與故障拒絕，分清停止模型輸出和撤回外部操作，理解代理急停的適用範圍。
Control Room 是 OpenAI 用來控管研究模型輸出的集中系統，處理的是停止要求能否實際生效。當代理已經連續使用模型與工具，對話框裡的一句「停下」，未必能管到每一個仍在運行的作業。
OpenAI 在 2026 年 11 月 9 日公開這套內部研究基礎架構，讓分散的實驗、評估與資料處理工作，透過共同的模型輸出授權接受控管。官方原貼於當日 UTC 22:01 發出，本文依台灣時間 11 月 12 日查到的說明解析。
官方表示，系統收到停止指令後，最長能在 35 秒內讓指定工作無法繼續取得模型輸出。這個數字有明確起點，也有明確停止對象，不能直接理解成發現任何問題到全部處理完只需 35 秒。
設計的關鍵，是把控制放在模型產生輸出的入口。研究程式即使沒有正確配合停止，推論引擎仍能拒絕它之後提出的請求，讓停止權不只存在於工作程式自己的判斷裡。
不過，原本的程式可能繼續存活，先前已完成的外部操作也不會自動倒轉。因此，判斷急停是否有效，還要知道它控制哪一段工作，以及停止之後由誰接手。
這套架構適合用來理解長時間代理任務的停止權。對準備導入代理的團隊，先分清偵測、授權與外部動作的責任，會比只確認畫面上有一個停止按鈕更有幫助。
Control Room 管的是什麼，誰能使用？
這套系統先處理 OpenAI 內部研究作業的控管，公告介紹的並非一般企業可以直接購買的管理服務。讀者看到的功能，應放回研究基礎架構的範圍理解。
官方說明所稱的工作負載，是正在執行的一項作業，例如強化學習實驗、模型評估、大量生成樣本或資料處理。它可能需要多次呼叫模型，並在每次取得結果後決定下一步。
強化學習在這裡指透過回饋調整模型行為的訓練方式。當一項研究會讓模型反覆選擇動作，單次回答結束也未必代表整個實驗已經停止，因此需要能辨認整項工作的共同控制。
推論則是模型接收輸入、產生新輸出的過程。它控管這個過程是否繼續提供結果，與先前訓練好的模型參數是否還存在，是不同的問題。
OpenAI 說，執行代理式推論的研究工作，需要關聯一份經核准的安全論證。這份材料用來說明研究工作的安全依據，讓啟動作業與事前審查連在一起，不能只因程式能送出請求就當成已獲許可。
官方也區分研究環境與對外服務。對外提供模型的系統原本較集中，已有必要時下線部署的維運能力，不能把研究端的新架構直接解讀成 ChatGPT 帳號新增了相同控制選項。
要理解控制如何跨越分散的研究程式，接著需要先認清一項工作與它使用的模型之間的關係。
job_id 如何把研究作業接到推論授權？
每項作業先取得自己的識別碼，推論引擎再依這個識別碼確認是否允許輸出。官方把這個代碼稱為 job_id，它讓不同系統能指向同一項研究工作。
工作程式啟動後，會向中央服務登記並取得代碼。之後向模型請求結果時，就把代碼一起帶上，因此模型端能知道這次請求屬於哪項工作，而非只看到一段互不相關的輸入。
例如，同一項評估可能先向一個模型取得回答，再向另一個模型檢查結果。如果兩次請求都帶著相同作業識別，就能把停止要求對準整項工作，而非只停在其中一次對話。
推論請求本身會由工作程式直接送到引擎。引擎負責檢查授權，中央控管服務回覆是否允許繼續，這種分工不需要把它想成代替模型生成答案的另一個聊天服務。
一項作業可能使用多個模型與多個引擎，同一個引擎也可能同時服務其他作業。因此，停止某項工作時，重點是拒絕對應代碼的後續請求，仍獲授權的其他工作可以繼續使用引擎。
這個差別會影響系統設計。若把停止單一實驗做成關掉整個共用服務，就可能同時影響其他團隊。以作業為單位的授權，則讓停止範圍能對上需要介入的工作。
但識別碼只有在必經路徑確實被檢查時才有作用。這也是官方把關鍵控制放到推論層的原因。
為何不要求每支研究程式自行停下？
把檢查放在推論引擎，可以減少對每支研究程式正確執行的依賴。OpenAI 解釋，研究工作通常由不同人員或團隊維護，程式改動頻繁，並不適合單獨承擔關鍵停止機制。
如果工作程式本身出錯，要求它先正確發現自己已被停止，再主動結束，就容易把防護建立在同一段可能有問題的程式上。即使提示中寫了規則，也無法代替入口的執行檢查。
相較之下，官方研究環境中的推論程式路徑較少，部署也較集中。把授權檢查放在這些共同入口，能用較一致的方式約束不同研究工作，而不必逐一信任它們自己的停止邏輯。
這裡的集中是針對控制點。研究者仍能安排自己的實驗流程，但要取得更多模型輸出，就必須經過有授權檢查的引擎，因此工作自由度與必要管制可以分開安排。
官方還提到持續檢查，確認沒有引擎意外漏接或被人停用控管。這說明控制機制除了設計正確，還需要確認實際部署沒有缺口，不能只因某個架構圖畫出檢查點就視為全部覆蓋。
先前的監控事件提供了這種需求的背景，但事件本身和這次公開的停止架構仍是不同消息。
延伸閱讀：OpenAI 揭露 AI 代理停用監控：GPT-6.1 Sol 與 Astra 兩起內部事件怎麼看？
共同入口能讓停止指令被執行，實際生效速度則還受到授權快取影響。
35秒從何時起算，快取又改變什麼？
35 秒的起點，是控管服務收到停止指令，沒有包含監控先前發現問題所花的時間。官方把它描述為收到指令到工作無法繼續推進的最大延遲，本文沒有獨立重現這項測量。
OpenAI 說，這段延遲來自推論授權的快取層。快取可以理解為暫時保留查詢結果，讓高流量系統減少重複取得相同許可所需的負擔，但也讓停止狀態無法每次都瞬間傳到所有執行位置。
因此，每次請求需要通過授權檢查，和每次都取得完全即時的新狀態，並非同一個承諾。閱讀急停數字時，要把快取期間仍可能繼續的工作算進理解，不能只注意停止指令已送出。
例如，一項工作先前取得允許結果，之後中央服務收到停止指令，系統仍需要讓既有允許狀態失效。這個例子說明快取的影響，不是另一次公開事故或本文實測紀錄。
偵測問題與執行停止有什麼分工？
官方的監控模型負責檢查受訓模型行為，發現疑慮時提出警示，再依情況與嚴重程度決定是否要求停止。控管服務執行之後的授權檢查，本身不能替這段判斷保證所有問題都會被發現。
若要衡量完整介入時間，還得知道事件何時出現、監控何時察覺、停止要求何時被接收，以及輸出何時停止。只有最後一段符合宣稱，仍不足以證明整條處理流程都在同樣時間內完成。
OpenAI 表示希望把延遲降到零，這是後續改進方向。即使未來做到更快，停止涵蓋的範圍仍需要另外確認。
停止模型輸出，為何不等於撤回所有操作？
被停止的工作程式仍可能存活，但後續推論會被引擎拒絕。官方互動示例特別保留這個差別，讓作業狀態與模型輸出狀態可以分開理解。
程式仍在運行，可能代表它還在等待回覆、處理錯誤或執行自己的其他邏輯。因此，模型不再提供新結果，不能直接證明所有程序已退出，或先前排入其他系統的操作已經消失。
這對會使用外部工具的代理尤其重要。假設先前已寄出一封信，之後拒絕模型推論，並不會讓收件者的信箱回到寄送前。已經發生的動作，需要由對應服務與人員處理。
這是從停止範圍推導的實務界線，並非官方新增了信件撤回功能。把這兩件事分開，團隊才知道哪些工作應在執行前保留確認，哪些問題能靠停止後續輸出降低影響。
研究代理透過其他通道接觸外部服務的案例，也提醒人員同時關注模型使用與工具存取。
延伸閱讀：OpenAI 研究代理透過 DNS 接觸外部聊天機器人：沙盒隔離漏了什麼？
控制點的範圍清楚之後，另一個問題是控制服務本身出錯時，系統應繼續運作還是先停下。
Control Room 中斷時，故障拒絕如何取捨？
這套系統採取故障時拒絕的設計，也就是服務無法正常回應時，推論請求會被拒絕，直到控制服務恢復。官方使用的術語是 fail-closed，重點是不能把失聯自動當成仍獲許可。
若只在控制服務正常時執行限制，服務一故障就讓工作繼續，原本的停止權可能在最需要時失效。故障拒絕把不確定狀態改成先不提供模型輸出，讓授權條件維持一致。
代價是正常工作也可能被擋住。從可用性的角度看，這會增加維護與恢復的要求，因此系統不只要能拒絕，還要讓人員知道為何停止，以及什麼條件下可以恢復。
不過，原公告沒有交代每一種恢復流程與角色權限。讀者可以把這些列入自己系統的設計問題，不能把合理需要的安排，直接寫成 OpenAI 已提供的全部功能。
原文也區分部署階段：前沿模型研究工作已採故障拒絕，其餘研究工作規劃在接下來數日完成。以本文查到的公告內容，不能自行補成所有階段都已完成後續驗收。
這些狀態讓急停的評估回到可檢查的行為。控制正常、控制失聯與控制恢復，需要各自有清楚的結果，而不只是共用一個安全標籤。
從官方案例判斷代理停止權是否有效
團隊可以把偵測、停止要求、推論拒絕與後續接手分別驗收，先找出自己目前缺少哪一段。這次公開的是內部架構案例，實際採用仍要依自己的系統安排。
如果代理工作跨多個模型，應確認同一項工作的識別是否能保持一致，避免停止其中一次呼叫後，後續步驟又以另一個工作身分繼續。這類檢查需要對照實際流程，不宜只看單次示範。
對外部動作，則保留已完成、正在處理與尚未執行的紀錄。停止之後，人員才知道應處理既有結果、等待服務回覆，或只需避免重啟下一段任務。
第一次測試可以從可逆、沒有對外承諾的工作開始，分別觀察控制服務正常與失去回應時的結果。這是在驗證停止路徑，不代表要刻意操作正式環境中的高影響工作。
當團隊能說明停止對象、延遲與剩餘動作，才有基礎交付更長的代理任務。這次公開最有價值的地方，也在於把停止權從一句要求，推進到模型輸出入口的實際控制。
Control Room 常見問題
一般 ChatGPT 使用者可以直接開啟 Control Room 嗎？
本次公告介紹 OpenAI 內部研究基礎架構，沒有提供一般帳號的開啟步驟。企業若要建立代理停止流程，仍需依自己使用的服務、工具與權限另行設計。
35秒包含發現所有風險的時間嗎？
不包含。官方數字從系統收到停止指令開始計算。監控察覺問題與決定是否介入，是更前面的工作，也沒有因此取得所有風險都能被發現的保證。
停止之後，模型和其他研究工作都不能用了嗎？
控制以作業識別碼為範圍，被拒絕的是指定工作的後續推論。共用引擎仍可服務其他獲授權工作，停止指定作業不等於刪除模型或關閉所有服務。
