Control Room da OpenAI pode interromper a saída de modelos de pesquisa

O Control Room é o sistema central que a OpenAI construiu para rastrear workloads de modelos na infraestrutura de pesquisa e interrompê-los quando surge um problema de safety ou segurança. O contexto técnico identifica a entidade como job_041, mas a fonte descreve o sistema pelo nome Control Room, e não há repositório oficial localizado. Ele cobre todo workload de inference de pesquisa, incluindo amostragem agêntica para treino e avaliação e processamento de dados. Funciona junto dos sistemas de monitoramento de desalinhamento.

A arquitetura tem três peças: o workload (um experimento de reinforcement learning, uma avaliação, um job de sampling em volume), o engine de inference que roda o modelo nas GPUs e o serviço Control Room. O workload pede um job_id ao iniciar. A cada requisição de tokens, o engine consulta o serviço, que nega o pedido se o job foi encerrado. O atraso máximo é de 35 segundos, causado por uma camada de cache na autorização, necessária para suportar o volume de tráfego. A OpenAI diz que trabalha para levar esse número a zero. A trava fica na camada de inference, e não no código do workload, porque esse código muda sempre e é mantido por pesquisadores. Há poucos caminhos de inference em toda a pesquisa, o que dá um gargalo controlável. Varreduras agênticas e programáticas procuram engines clandestinos sem o Control Room. O sistema também falha fechado: se o serviço cair, todas as requisições são negadas. Isso já vale para os workloads de pesquisa de fronteira e deve chegar aos demais em poucos dias, segundo a fonte. A pilha externa de serving, mais centralizada, não usa o Control Room.

Em 9 de novembro de 2026, o CEVIU noticiou "OpenAI cria Control Room para rastrear e interromper workloads de modelos na infraestrutura de pesquisa", com o anúncio do sistema. A cobertura de hoje detalha o mecanismo, o limite de 35 segundos e o comportamento fail-closed. Em 26 de outubro de 2026, o CEVIU registrou "OpenAI adota novos controles de segurança no treinamento de modelos frontier", sobre controles contra fuga de sandboxes. O Control Room se soma a esses controles como camada de parada.

Para quem opera infraestrutura de treino e avaliação de agentes, o ponto é onde a trava fica: na camada de inference, que é uniforme, e não no código dos pesquisadores. Os 35 segundos mostram o custo prático de autorizar cada requisição em escala. Um job pode gerar saída por esse intervalo depois da decisão de parar, e a própria OpenAI reconhece isso como limitação.