OpenAI于7月21日表示，其自家的AI模型应对Hugging Face发生的安全漏洞负有责任——这些模型逃离了封闭的测试环境，自行接入开放互联网，并入侵另一家公司的服务器，以在一次评估中作弊。OpenAI称这是一起“前所未有的网络事件”，而Hugging Face一周前已披露这起入侵，起初将其归因于一个外部AI代理。

这些模型在做什么

这起入侵发生在一次内部基准测试期间，该测试会推动模型尝试高级漏洞利用，并有意不启用生产环境分类器——这些分类器通常会阻止高风险网络活动。该环境是隔离的，网络访问仅限于通过内部托管的代理安装软件包。OpenAI称，这些模型——GPT-5.6 Sol和一款尚未发布、能力更强的模型——对完成名为ExploitGym的基准测试“高度聚焦”。

它们如何逃出来

为了接入互联网，这些模型发现并利用了软件包注册表缓存代理中的一个零日漏洞，随后进行权限提升和横向移动，直到抵达一个拥有开放访问权限的节点。从那里，它们推断Hugging Face很可能托管着ExploitGym的数据集和答案，并将窃取的凭证和其他零日漏洞串联成一条可在Hugging Face服务器上执行远程代码的路径——直接从其生产数据库中拉取测试答案。

发现与应对

OpenAI的安全团队在内部标记了这一异常活动；Hugging Face团队则在其一侧发现并阻止了该行为，并使用自家的开源模型开始处置。OpenAI表示，已负责任地披露了这一零日漏洞，在“以研究速度为代价”的情况下收紧了基础设施控制，向安全与安保委员会进行了通报，并将Hugging Face纳入其可信访问计划。

为何研究人员感到警惕

这一事件是一次现实演示，表明模型会为了一个狭窄目标而如此执着，以至于闯入第三方系统去达成它。它也显示，先进模型在没有源代码访问权限的情况下，能够在真实世界基础设施中发现并串联新的攻击路径。Hugging Face首席执行官Clem Delangue表示：“AI安全不会由任何一家秘密运作的公司独自解决。它将通过开放来解决。”