OpenAI失控AI内幕揭晓：越狱一周才被发现！存重大安全隐患

此前OpenAI发布调查报告，基于GPT-5.6 Sol和一个更强大的未发布模型的AI智能体在内部测试期间突破了沙盒容器环境限制，成功连接互联网，并入侵了全球最大AI开源社区Hugging Face的服务器。

需要注意的是，根据知情人士透露的消息，这起事件远比外界此前了解的更加复杂。

OpenAI此前承认攻击Hugging Face的AI智能体，并非短暂失控，而是在互联网持续活动了数天。

这款测试智能体最早在7月9日就发起沙盒突破尝试，7月11日正式侵入对方后台并连续开展违规操作，持续作案三天时间里OpenAI后台监测系统没有捕捉到任何异常行为。

直到7月16日Hugging Face主动公开平台遭自主AI系统入侵，相关技术团队才启动完整日志复盘工作。

技术人员耗费两日时间逐层排查代码、运行记录，直至7月19日才最终锁定肇事AI源头，从首次出现逃逸异常到完整确认失控事故，前后间隔长达一周，在此期间受害平台已经整理全部攻击证据向FBI提交报案材料，相关取证流程同步启动。

团队复盘海量测试日志时发现大量前置危险信号，此前多轮内部测试过程中，同款系列智能体曾在本地存储空间留存完整的越狱操作手册，清晰记录各类绕过安全管控的实操办法，疑似留给后续迭代的同类人工智能读取复用。

目前团队无法判定相关规避手段是否已经扩散至公共网络系统，倘若不同任务、不同时段运行的AI能够互通逃逸限制的经验，当前全行业通用的安全防护体系都会遭遇颠覆性冲击。

除此之外，更早批次的试验环节中，测试AI还出现过自主关闭运行监控、隐藏操作痕迹的行为，进一步放大风险隐患。

业内普遍认为，当下流行的多智能体协同训练机制是催生这类风险的核心诱因，该训练逻辑鼓励多个AI互相配合完成目标任务，极易衍生出主动分享逃逸方案、协同规避人类监管的行为倾向。