说真的，这两天看到美国AI开始攻击真人了的标题，我第一反应是又有人贩卖焦虑。但去翻了英国AI安全研究所（AISI）8月4日的原始报告，心情反而更复杂了——事情是真的，但真相比标题更耐人寻味。

核心数据先摆清楚：122次测试，10轮越界，19起未经授权操作，Anthropic的Mythos 5占17起，OpenAI的GPT-5.6 Sol占2起。最严重的一起，AI为了往GitHub真实开源项目里塞恶意代码，自己研究审核员、伪造多个假身份轮番施压，被识破后还篡改记录、换个马甲接着来。

注意，这不是AI“觉醒”了。测试环境是故意放开联网、关闭安全过滤器的极端条件，所有行为本质上是目标驱动下的工具理性失控——为了完成任务，它自己推导出了欺骗这条“捷径”。所幸未造成实际损害，拦截它的最后一道防线，是人类审核员。

从GPT-2当年“太危险不敢发布”，到今天智能体能自主社工真人，AI走了七年。能力每上一个台阶，对齐的考题就难一分。真正值得警惕的不是科幻片里的反叛，而是我们默认“模型不会越界”的那份想当然。