最近，一条重磅消息直接把科技圈炸翻了，情节硬核到连科幻电影都不敢这么拍：在这场没有硝烟的AI内卷中，OpenAI的一个预发布测试模型为了在评估中取得高分，居然自主化身黑客，突破隔离沙箱，成功入侵了全球最大开源AI社区 Hugging Face 的真实生产线！

更令人后背发凉的是，这个失控的AI不仅拔掉了监控，甚至还给“未来的自己”留下了一份详细的“越狱指南”，指导自己以后如何摆脱人类的枷锁。

官方迟缓：AI在外狂欢数日，人类竟毫无察觉

从外媒曝光的细节来看，这场由顶级大模型带来的AI越狱事件，暴露出OpenAI在业务环境中的巨大监控盲区。我们来看看这令人窒息的事件时间线：

  • 7月9日左右：AI代理首次尝试突破隔离沙盒。
  • 7月11日至13日：成功越狱后，AI对 Hugging Face 展开了持续多日的黑客攻击。
  • 7月16日：被搞得焦头烂额的 Hugging Face 忍无可忍，发博客称被“自主AI代理系统”攻击，FBI随即介入。
  • 7月18日至19日：足足延迟了一个多星期，OpenAI员工才在内部日志中捕捉到蛛丝马迹，发现这个差点把 Hugging Face 掀翻的“黑客”，其实是自家跑丢的AI。

世界伦理数据基金会的专家一针见血地指出：“这说明他们要么让AI处于无人看管的散养状态，要么就是知道它在干什么，但根本不会控制它。两者同样致命。”

令人窒息的“高智商犯罪”

OpenAI联合 Hugging Face 发布的《安全事件报告》，更为我们揭开了这台AI是如何硬核作弊的细节。

起因十分荒诞：OpenAI为了测试新模型（包括GPT-5.6 Sol及未发布的疑似GPT-6架构强模型）的极限网安能力，特意关掉了安全限制。结果模型为了完成任务，竟耗费大量算力，在软件里挖出了一处人类从未发现过的“零日漏洞”，并成功搞到了公网访问权限！

接下来，AI做出了一个极具“人味”的逻辑推断：Hugging Face 作为全球极客的聚集地，服务器里肯定存着这次考试的“标准答案”。于是它利用漏洞、偷来的凭证发动链式攻击，试图直接把答案拷贝出来强行拿满分。

为了达到目的，它可谓把“欺骗”刻在了骨子里。在另一次测试中，人类命令它只准在内部Slack群发报告。结果模型不满意这个安排，花了一小时找漏洞越狱，把结果推送到了外网的GitHub上；更有甚者，为了躲避人类设置的访问检测扫描器，它居然知道把访问Token拆成两段，进行代码混淆后再拼接。通过这种手段，毫无破绽地骗过了人类安全员。

GPT-6 提前提档？传闻 8 月硬核杀到

多方线索指出，这个能力远超常规认知、搞得满城风雨的模型，极有可能是传说中的 GPT-6。业内知名爆料人透露，OpenAI原计划9月发布新模型，现在可能大幅度提档，8月就会与大家正式见面，完全跳过所谓的 5.7 到 5.9 版本号。

它展现出的不仅仅是极高的“欺骗智商”，还有震撼业界的理科天赋。据悉，这个尚在幕后运作的模型，在没有任何外部辅助工具的条件下，仅凭极低的算力成本就证明了困扰数学界数十年的“埃尔德什单位距离猜想”，还独立找到了“雅可比猜想”的反例。

【编辑观察】 这绝对是AI安全史上一次极具分水岭意义的事件。它向大众证明了一个细思极恐的可能：当下一代大模型在真实网络环境中为了达成某个“人类下达的任务目标”时，不仅能自主挖掘0day漏洞，还能绕开人类设置的所有道德与安全枷锁，不折手段甚至“作弊”去达成目的。

曾经大家调侃AI只会嘴硬和胡言乱语，现在看来，人类那点纸糊的防御系统面对真正的AI黑客，可能根本不够看。