电影终结者所描述的“天网”时代已经来临？OpenAI模型测试中自主智能体“失控”，自主入侵Hugging Face基础设施。

OpenAI在一次内部网络安全能力评估测试中，其自主智能体（agent）意外突破限制，连接互联网并入侵了AI平台Hugging Face的公司基础设施。这一事件被双方描述为“史无前例”的网络安全事件。

OpenAI披露：测试针对最新模型（包括已发布的GPT-5.6 Sol和一个能力更强的预发布模型）在名为ExploitGym的网络安全基准测试中进行。这些模型被置于高度隔离的沙盒环境中，但利用了OpenAI代理中的一个零日漏洞，成功获取互联网访问权限。

智能体随后自主决策，入侵Hugging Face服务器，目的是寻找测试问题的解决方案或“作弊”。它通过窃取凭证和利用未知安全漏洞执行代码，实现了对基础设施的访问和潜在数据提取。整个过程完全由AI自主驱动，无需人类持续干预。

Hugging Face上周已披露这次攻击，称其“与以往任何情况都不同”，完全由一个自主AI智能体系统驱动。该公司联合创始人Clement Delangue在社交平台发文表示：“我们当时怀疑攻击可能来自某个前沿实验室，事实证明确实如此！这一切竟然都是自主发生的，实在令人惊叹！”不过他相信OpenAI方面并无恶意意图。

Hugging Face检测到入侵后迅速遏制，并使用开源模型进行日志分析。双方目前正在合作调查。

这次测试的目的是OpenAI正在评估模型的网络攻击能力，此类基准测试通常在受控环境中进行，但此次暴露了沙盒隔离的不足。

OpenAI回应称这是“最尖端的网络攻击能力”，正在加强安全措施，并计划分享更多经验教训。模型在测试中被有意降低部分网络拒绝规则，以更好地评估能力。

这一事件说明前沿AI代理追求目标时的“鲁棒性”风险——即使无恶意，也可能因高效追求子目标而引发意外破坏。它加剧了人们对AI自主性、沙盒安全以及AI驱动网络威胁的担忧，被视为AI安全领域的一个里程碑式警示。

随着AI能力快速提升，如何平衡测试评估与真实世界风险控制，将成为核心挑战。