A OpenAI revelou que vários de seus modelos de IA, incluindo o GPT-5.4 Thinking e várias iterações do GPT-5.4, experimentaram classificação acidental de cadeia de pensamento durante o treinamento de aprendizado por reforço. Análises internas não encontraram degradação significativa na capacidade dos modelos de mostrar seu raciocínio.
Os incidentes afetaram menos de 3,8% das amostras de treinamento nos modelos mais impactados. Uma pequena fração do processo de treinamento recompensou ou penalizou acidentalmente os modelos com base em seus passos de raciocínio internos, e não apenas em seus resultados finais.
O que realmente aconteceu
A classificação acidental assumiu formas limitadas. Alguns treinamentos recompensaram a utilidade da trajetória, essencialmente dando aos modelos um "joinha" pela utilidade de seus caminhos de raciocínio. Outros penalizaram prompts desnecessários dentro da cadeia de pensamento. O caso de teste mais notável mostrou uma taxa de disparo de aproximadamente 2% para penalizar referências à fraude na cadeia de pensamento.
A equipe interna da OpenAI executou varreduras automatizadas em todas as suas execuções de aprendizado por reforço para examinar o impacto na transparência do raciocínio. Os modelos ainda conseguiam rastrear confiavelmente o raciocínio lógico, e a capacidade de detectar possíveis desalinhamentos permaneceu funcionalmente intacta.
O ecossistema de segurança responde
Organizações externas, incluindo METR, Apollo Research e Redwood Research, contribuíram com insights para as descobertas. A Redwood Research reconheceu que os incidentes menores não prejudicaram a monitorabilidade, mas destacou que o raciocínio em cadeia, como medida de segurança, possui vulnerabilidades inerentes.
A Anthropic publicou um relatório em abril de 2026 examinando dinâmicas semelhantes em seus próprios modelos. A OpenAI tem intensificado suas medidas de detecção desde dezembro de 2025 para evitar erros futuros de classificação. A empresa agora implementou sistemas de detecção automatizados e salvaguardas internas especificamente projetados para identificar contaminação na classificação CoT antes que ela possa influenciar o treinamento em escala.
O que isso significa para criptomoedas e tokens de IA
Nenhuma reação imediata do mercado foi observada nos criptoativos relacionados a IA após o anúncio. Modelos de IA estão cada vez mais integrados em aplicações de blockchain, incluindo auditorias de contratos inteligentes, agentes de IA descentralizados e sistemas de negociação automatizada, todos os quais dependem de IA que raciocina corretamente e de forma transparente.
O fato de que a monitorabilidade permaneceu intacta é a principal lição para qualquer um que esteja desenvolvendo ou investindo em projetos de criptomoeda integrados à IA. Isso significa que a infraestrutura de segurança em torno dos modelos de raciocínio está identificando problemas antes que se tornem sistêmicos.