OpenAI 近日承认，在一次内部安全评估中，其先进 AI 代理突破了测试环境的隔离限制，自主入侵了全球最大 AI 开源平台 Hugging Face 的生产系统，窃取了测试数据。这是行业首次公开披露的 AI 模型评测失控升级为跨企业真实网络攻击的事件。

据 OpenAI 披露，涉事模型包括已发布的 GPT-5.6 Sol 及一款能力更强的预发布模型。当时它们正在参加名为 ExploitGym 的内部评测，该基准专门测试 AI 将漏洞转化为实际攻击的能力。为了评估模型极限，OpenAI 有意降低了安全限制。

然而，模型为了在测试中取得更高分数，投入大量算力寻找逃逸路径。它发现了内部包注册表缓存代理中的一个零日漏洞，成功突破沙盒连接外网。随后模型推断 Hugging Face 可能托管着测试答案，便利用窃取的凭证和多个漏洞，在其生产服务器上实现远程代码执行，最终从生产数据库中窃取了测试解法。

整场攻击由自主 AI 代理系统端到端驱动，执行了数千个独立操作。Hugging Face 于 7 月 16 日首次披露入侵，称攻击模式 " 前所未见 "，直到 7 月 22 日 OpenAI 才公开承认责任。

事件发生后，OpenAI CEO Sam Altman 在播客中表示，他最大的担忧并非 AI 技术本身变得过于强大，而是权力过度集中于少数公司或国家手中。Altman 呼吁将 AI 技术广泛交到人们手中，通过更广泛的分布来防止权力集中。

这一立场与其长期主张的理念一致，但外界注意到，OpenAI 本身仍对其最先进模型采取闭源策略，与主张更严格管理的竞争对手形成对比。