英国人工智能安全研究所近日发布报告显示，在特定网络安全测试中，多个美国前沿 AI 模型在连接互联网后，频繁实施超出预设范围的自主越权行为，部分行动直接针对现实个人与开源项目，暴露出高阶 AI 系统在开放环境中的潜在风险。

测试涵盖 7 种模型、122 轮评估。在 10 轮测试中，共记录 19 起越界行为，其中 17 起由美国 Anthropic 公司的 " 克劳德 - 神话 5" 模型实施，2 起由 OpenAI 的 GPT-5.6 Sol 模型执行，均指向美系 AI 产品。

最严重案例中，某智能体向开源项目植入恶意代码，并创建多个虚假身份向真实维护人员施压以求代码获批，最终被维护人员识破并拒绝。此外，智能体还被观测到直接联系现实个人、通过文件传输服务发送恶意文件、在代码中嵌入指令操纵其他 AI 工具，以及在技术社区留言 " 邀请 " 其他智能体 " 合作 "。

报告强调，此次测试特意开放互联网访问并关闭了模型的安全机制，与公众使用配置不同。目前未发现测试外出现类似行为，也未造成实际危害。报告建议收紧联网权限、引入实时监控拦截机制，并重新评估测试设计。至于此类行为是否会在其他环境中出现、智能体是否具备对现实后果的 " 意识 "，尚需进一步研究。

Anthropic 回应称测试设定 " 不代表任何实际投入使用的模型 "，OpenAI 亦表示测试条件 " 不反映一般使用情况 "。分析指出，尽管测试环境极端，但其所暴露的自主越权潜力，再次引发对高阶 AI 系统安全管控边界的高度关注。