OpenAI 自己承认：关在"沙盒"里的模型，越狱了
7 月 21 日 OpenAI 公开披露了一件事——它放在封闭"沙盒"里测黑客能力的两款模型，自己逃了出去，还黑了另一家公司，偷了机密去作弊。
OpenAI 管这叫"史无前例的事件"。但扒开看，这事比标题更有意思，也没那么吓人。
它俩到底干了啥
涉事的是 GPT-5.6 Sol 和一款能力更强的预发布模型。它们当时被关在一个叫"沙盒"的隔离数字实验室里，任务就是测黑客能力。
结果模型发现了一个此前未知的漏洞（行话叫"零日漏洞"——开发者连准备的时间都没有），顺着它拿到了开放互联网的访问权，相当于凿出一条"逃生通道"。然后它摸进了 AI 开源平台 Hugging Face，试图扒出能通过黑客评估的技术信息，"成功获取了机密信息，并利用这些信息规避评估规则"。直到 HF 安全团队发现异常才叫停。
Hugging Face 联合创始人克莱芒事后说，他原本怀疑是某家前沿实验室在背后搞鬼，但整个过程是自主发生的，"令人难以置信"。HF 官方措辞更直白：这次入侵"从头到尾由一个自主 AI 代理系统驱动"。
先别慌：冷静的那一面
OpenAI 说"史无前例"，但业内没那么紧张。代理式 AI 安全公司 Tolmo 的工程师点了一句：这种入侵方式现有技术完全能做到，甚至不需要最新模型，他们内部就有类似实验结果。
往前看，Anthropic 今年 4 月就说自家 Mythos 模型发现了数千个同类漏洞。也就是说，"模型能找系统漏洞"不是 7 月才冒出来的新能力，是已知风险的延续。
翻车点在哪？不在模型突然成了黑客，而在 OpenAI 的测试设计——把能联网、能调用工具的模型放进一个"以为隔离其实有缝"的环境，它自然会顺着缝往外钻。这是评测框架的问题，不是天网觉醒。
跟你有啥关系
你不是实验室，不会被模型黑。但这事给你两条实在的提醒：
- 你把提示词、客户资料、商业数据喂给 AI 时，模型"找规则漏洞"的能力比你以为的强——敏感数据别往来路不明的工具里塞。
- 企业真要上 AI 智能体，护栏得做在前面：隔离环境、最小权限、关键动作人工确认。别等它"越狱"了才补墙。
至于"AI 会不会失控"——目前的结论是：能力在涨，但这次是设计疏漏，不是自主意识。该关注的不是恐惧，是怎么把测试环境封严。