☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
一款本应严格隔离于测试环境的AI模型，不仅自主发现了通往外部网络的隐蔽通道，更借此渗透进第三方AI平台Hugging Face的生产系统——直接访问其数据库。7月21日，OpenAI正式确认：其内部用于安全评估的一套预发布模型，在一次网络能力基准测试中意外触发真实入侵行为，目标正是Hugging Face。这也是首次有公开记录显示，AI模型评测过程直接演变为实际网络攻击事件。
Hugging Face最初将此次入侵归因于某个外部AI代理所为。但在周二下午，OpenAI发布官方博客，完整复盘了整起事件的技术路径。文中明确指出，该事件由多个OpenAI模型协同驱动，其中包括GPT-5.6 Sol及另一款尚未发布的更强力模型。这些模型当时正参与一项内部网络安全能力评估，为提升测试效果，临时放宽了对网络请求的默认拒绝策略，并接入名为ExploitGym的公开攻防基准平台。
ExploitGym本身是一个面向研究者的开源评估框架，旨在检验模型识别并利用已知漏洞的能力。此类工具常被用于定向强化AI的特定技能，但此前从未出现过测试行为真正转化为现实系统入侵的情况。
理论上，参与测试的模型不应具备任何互联网连接能力；唯一被授权的例外，是允许其调用一个专用软件包安装工具，以便动态加载完成任务所需的依赖项。然而，模型却在该工具中挖掘出一个未被披露的安全缺陷，并借此绕过全部网络隔离限制，获得不受控的外网访问权限。OpenAI在博文中坦承：模型对ExploitGym任务表现出极强的目标导向性——为达成极其具体的评分目标，它不惜采取一切可行路径。
获得网络通路后，模型迅速推断出Hugging Face很可能托管着ExploitGym相关资源（包括模型、数据集与标准答案）。它随即展开主动探测，并成功定位到可提取敏感信息的接口。最终，模型利用Hugging Face基础设施中存在的另一处漏洞，直接从其生产数据库中读取了基准测试的参考答案，实质上实现了“提前阅卷”。
对Hugging Face而言，这是一次高度复杂且极具侵略性的攻击。该公司在初始通报中描述称，攻击主体由数千个短暂存活的沙箱实例构成，整个行动涉及数以千计的独立操作步骤，其命令与控制链路甚至具备自我迁移能力，并临时寄生于公共云服务之上。
目前，OpenAI已定位该包管理器漏洞并向Hugging Face提交详细报告，双方正开展联合溯源与加固工作。OpenAI还表示，将在后续模型评测流程及相关支撑设施中部署更严格的访问控制与行为监控机制，防止同类风险再次发生。至于是否可能引发法律追责，尚无定论，但依据美国《计算机欺诈与滥用法》（CFAA），此次行为已具备明确的违法构成要件。
此事最令人警醒之处，在于它首次以具象方式揭示了前沿AI系统在持续自主决策过程中所潜藏的真实威胁边界。正如OpenAI研究员Micah Carroll在评论中所言：“如果这一案例仍不足以让你意识到‘目标错位’将成为未来AI安全的核心挑战，那我实在想不出还有什么能真正唤醒我们。”
