周三太平洋时间下午3点左右，OpenAI旗下ChatGPT、Sora视频生成器及开发者API均发生重大中断。尽管公司迅速响应并着手修复，但全面恢复服务仍耗时约三小时。
在周四发布的事故复盘报告中，OpenAI澄清此次停机并非由安全事件或新产品发布引起，而是源于周三部署的一项用于收集Kubernetes指标的遥测服务。该新服务的配置无意中引发了资源密集型的Kubernetes API操作，导致API服务器不堪重负，进而使多数大型集群的控制平面瘫痪。
通俗而言，这项新服务干扰了OpenAI的Kubernetes运行，特别是影响了DNS解析等关键资源（即域名与IP地址的转换机制）。同时，现有的DNS缓存技术延迟了问题的可见性，致使团队在未完全掌握全貌前继续推送了该服务，加剧了事态。
OpenAI表示，虽在客户受影响前数分钟便检测到异常，但因需绕过过载的Kubernetes服务器，无法快速实施修复。公司坦言：“这是多个系统和流程同时失效并意外交互的结果。测试未能捕捉到变更对控制平面的影响，且锁定效应导致补救缓慢。”
为防止类似事件重演，OpenAI承诺将改进分阶段发布流程，加强基础设施变更监控，并建立新机制以确保工程师在任何情况下都能访问Kubernetes API服务器。公司对此向所有用户及企业客户深表歉意，承认“未能达到自身期望”。