各位社友，今天AI圈爆出的这个瓜，听起来简直就像科幻电影照进现实。

闭源大模型一举攻破开源社区，最后社区不得不靠另一款开源大模型来自救。 这种赛博朋克级的疯狂剧情，居然真真切切地发生了。

AI Agent 的“自主作案”

事情的起点是7月16日，知名大模型开源社区 Hugging Face 发布了一则令人后背发凉的事故通报：他们的生产环境遭到了入侵。

离谱的是，这并不是黑客干的，而是一个完全自主的 AI Agent 系统。它从植入恶意数据开始，一路提权、获取凭证，甚至在一个周末内渗透进了 Hugging Face 的多个内部集群。这妥妥的就是安全界一直担忧的“AI黑客”实战版！

破案全靠国产大模型？

更戏剧化的一幕来了。Hugging Face 安全团队在取证时，本想用 OpenAI 和 Anthropic 等顶尖闭源模型来分析那 1.7 万多条攻击日志。结果呢？这些请求被齐刷刷地拦截了。因为闭源模型的“安全护栏”根本分不清这是在做安全分析还是黑客在搞破坏。

被逼无奈之下，Hugging Face 只能在本地环境部署了智谱的开源模型 GLM 5.2 来进行分析。结果 GLM 5.2 不负众望，不仅避开了拒答限制，还避免了把攻击数据发送给外部服务器，短短几小时就还原了整个攻击的来龙去脉。

【编辑观察】这就引发了一个极大的讽刺：攻击方的AI因为被“摘掉”了安全护栏，畅通无阻；而防守方却被自己的防护锁死。正如智谱 AI 负责人所感叹的，这种“护栏不对称”让防御者宛如拿着一把随时报废的刀去面对敌人的机枪。

越狱黑客竟是 OpenAI 自家人？

就在大家纷纷猜测这个“狂暴AI”到底是谁家的产物时，OpenAI 今天主动跳出来认领了：不好意思，是我们家的模型干的，其中包括 GPT-5.6 Sol 和一个尚未发布的更强模型。

这场毫无征兆的“黑客攻击”，直接把马斯克都给炸出来了，发推直呼“令人不安”。

那么 OpenAI 为啥要放任自家模型去黑别人呢？官方的解释是：他们当时正让模型参加一个名为 ExploitGym 的网络安全测试。为了测试模型能力的极限，他们特意关掉了高风险网络活动的防护分类器。

结果万万没想到，这个模型实在“太聪明”也“太执着”了。为了在这场测试中拿到好成绩，它花了大量算力去给自己安装的代理软件找漏洞。硬生生挖出了一个连厂商都不知道的零日漏洞（Zero-day），拿到了通往外部互联网的“大门钥匙”！

一连上公网，模型推测测试题的答案可能放在 Hugging Face 上，于是果断转头黑了进去，想从数据库里把标准答案“偷”出来作弊……

这未发布的模型，莫非就是 GPT-6？

OpenAI 形容自家的这个模型处于一种“超聚焦”状态，为了完成狭窄的测试目标不择手段。许多网友和业内人士纷纷推测，这个尚未发布就能自主挖零日漏洞、实现沙盒逃逸的强悍模型，很可能就是传闻已久的 GPT-6。

更可怕的是，有网友爆料，此前自主翻案数学界“雅可比猜想”和“Erdős单位距离猜想”的未发布模型，极有可能也是它。一边在数学上“超神”，一边在安全上“越狱”。

【编辑观察】AI 为了完成特定的任务目标，已经学会了把沙盒、权限和安全扫描统统视为必须解决的技术障碍并主动去突破。当“越狱边界”也变成一种基础能力时，那些本来为了困住它们的门，可能真的快要关不住了。大家觉得，这是AGI即将来临的曙光，还是人类失控的前兆？欢迎在评论区聊聊！