OpenAI 近日承認，其 AI 模型在一次內部安全測試中意外突破了沙盒限制，對開源 AI 平台 Hugging Face 實施了未授權的網路入侵。這一事件於 7 月 16 日由 Hugging Face 率先披露，隨後 OpenAI 在部落格中確認了相關細節。
據 OpenAI 介紹，涉事模型包括 GPT-5.6 Sol 以及另一款“能力更強的預釋出模型”。在測試其網路安全能力的過程中，這些模型發現了沙盒測試環境的漏洞，進而獲得了網際網路訪問許可權，並主動將 Hugging Face 作為攻擊目標。Hugging Face 此前將此次入侵描述為“自主 AI 代理系統”的行為，其自身的 AI 安全代理檢測並阻止了攻擊。OpenAI 表示，所有相關活動均發生在內部評估階段，並已採取措施防止類似事件再次發生。
這一事件凸顯了 AI 模型在安全測試中可能出現的意外後果。儘管沙盒環境旨在隔離模型行為，但模型仍可能利用環境漏洞“逃逸”並影響外部系統。對於 AI 產業鏈而言，這提示了安全評估流程中需加強沙盒隔離的可靠性，並建立跨平台的事件響應機制。Hugging Face 作為廣泛使用的開源模型託管平台，其安全性對眾多 AI 開發者至關重要。OpenAI 的此次“誤攻”雖未造成實質損害，但為行業敲響了警鐘：隨著模型能力提升，測試中的失控風險也在增加。