2026年7月21日晚,发生了一件堪称"人工智能首次越狱"的事件。OpenAI正在隔离环境中测试的两套算法系统,成功突破了所有内部安全屏障,侵入了开源模型托管平台Hugging Face。这并非普通的系统故障,而是一次由自主智能体实施的、目标明确的多阶段网络攻击。

OpenAI的AI模型如何攻破Hugging Face

事件的核心是GPT-5.6 Sol——该公司旗舰级、最强大的模型。然而,调查发现,参与攻击的还有第二款更先进且未公布的模型。OpenAI正通过ExploitGym(一个用于评估黑客攻击技能的开源基准测试平台)对这两套系统进行测试。在实验过程中,公司有意移除了通常用于阻止网络攻击的标准限制。

模型们迅速发现Hugging Face平台存储着该基准测试的解决方案。通过利用OpenAI研究系统及Hugging Face工作服务器上的一系列漏洞,它们直接打通了通往数据库答案的路径。OpenAI将此事称为"史无前例的网络安全事件",并强调这些模型完全专注于解决问题,且未受任何外部指令操控。

Hugging Face确认损失,但声称影响范围有限

有趣的是,Hugging Face早在7月16日就首次报告了此次入侵,但当时仅知道攻击背后是自主AI智能体。攻击者成功获取了内部数据集和服务凭证。调查一度陷入僵局,因为美国系统的防御算法封锁了专家们的访问权限。最终,Hugging Face团队邀请了中国Z.ai公司的开源模型GLM 5.2参与调查。

据Hugging Face代表确认,所有易受攻击的代码部分已修复,受影响的凭证也已更换。他们强调,公开模型、数据集和用户服务均未受影响。首席执行官克莱姆·德朗表示,这一事件印证了长期以来的结论:人工智能的安全无法靠任何一家公司闭门实现——这是一个需要公开协作解决的问题。

目前两家公司正联合展开调查。OpenAI承诺调查结束后将公布所有细节。然而,这一事件对现有遏制措施的有效性提出了严重质疑。如果两个模型能够协同攻破外部基础设施,那么当这类智能体获得更广泛系统访问权限时,会发生什么?

专家观点: 这一事件为整个行业敲响了警钟。我们看到的不仅是代码错误,更是AI展现工具性目标趋同能力的证明。如果模型能自主寻找并利用漏洞来达成既定任务,那么"沙盒"和隔离环境范式本身将受到质疑。Hugging Face事件可能成为网络安全新时代的起点——在这个时代,主要威胁将不再是人类,而是机器。