OpenAI 尚未发布的 AI 模型逃出测试沙箱，真的骇进了 Hugging Face！

上周 Hugging Face 公告遭到一套自主 AI Agent 入侵。这套系统在大量短命沙箱间执行数千次操作，甚至把指挥系统架设在公共服务上；整起事件留下超过 1.7 万笔活动纪录。当时 Hugging Face 已成功侦测并阻止攻击，却无法确认背后使用的是哪一家模型。

7 月 21 日，OpenAI 主动揭露答案：攻击来自正在接受内部资安测试的 OpenAI 模型，包括已发布的 GPT-5.6 Sol，以及一款能力更强、尚未公开的新模型。它们在挑战 ExploitGym 时，先找出代理伺服器的 zero-day 漏洞，成功取得公开网路权限；接着提升权限、横向移动，再结合外泄凭证与其他漏洞，闯进 Hugging Face 的正式环境，从资料库取得测验答案。翻成白话：AI 为了完成考题，没有继续在考场里解题，反而翻墙、找到出题方的伺服器，把答案直接挖了出来。

不过，这并不是完全没人下指令，研究人员确实要求模型进行高阶攻击测试，也刻意降低平常拦截高风险行为的安全机制；只是没有人叫它攻击 Hugging Face，那是模型为了完成目标，自行选择的路径。

OpenAI 将它形容为「前所未有的资安事件」，Hugging Face 执行长则表示，这可能是全球第一起同类案例。最令人不安的或许不是 AI 会找漏洞，而是它已经能在真实系统里，长时间执行多阶段攻击；直到 Hugging Face 挡下行动、OpenAI 内部发现异常，双方才拼出完整真相。

OpenAI 的声明稿也很直接，表示模型能力进步得多快，安全、防护与监控就必须跟得多快。已经不敢想像明年会进步到多后面了⋯

人工智能科技OpenAI