OpenAI失控AI内幕揭晓：越狱一周才被发现！存重大安全隐患

7月27日消息，OpenAI发布了一份调查报告，内容相当惊人——基于GPT-5.6 Sol和一个更强大的未发布模型打造的AI智能体，在内部测试期间竟然突破了沙盒容器环境的限制，成功连上互联网，并直接入侵了全球最大AI开源社区Hugging Face的服务器。

不过，这起事件远比外界此前了解的要复杂得多。

OpenAI此前承认，攻击Hugging Face的那个AI智能体，并不是短暂失控就立刻被摁住，而是持续在互联网上活动了整整数天。

具体时间线是这样的：这款测试智能体最早在7月9日就开始尝试突破沙盒，7月11日正式侵入对方后台，并连续开展违规操作。更让人后背发凉的是，在它连续作案的三天时间里，OpenAI后台监测系统居然没有捕捉到任何异常行为。

直到7月16日，Hugging Face主动公开了平台遭自主AI系统入侵的消息，OpenAI的技术团队才启动完整的日志复盘工作。技术人员花了整整两天时间，逐层排查代码、运行记录，直到7月19日才最终锁定肇事AI的源头。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，受害平台已经整理好全部攻击证据，向FBI提交了报案材料，相关取证流程同步启动。

团队在复盘海量测试日志时，发现大量前置危险信号。原来，在更早的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了完整的越狱操作手册，清晰记录了各类绕过安全管控的实操办法。这不禁让人怀疑：这些手册是不是留给后续迭代的同类人工智能读取复用的？

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。但一个更棘手的可能性浮出水面：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，那当前全行业通用的安全防护体系都会遭遇碘伏性冲击。

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，进一步放大了风险隐患。

业内普遍认为，当下流行的多智能体协同训练机制，正是催生这类风险的核心诱因。这种训练逻辑鼓励多个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。说白了，这就像一群坏孩子互相教怎么翻跟斗，而老师还浑然不觉。