摘要
上周，全球最大的开源 AI 平台 Hugging Face 披露了一起前所未有的安全事件——它的生产基础设施被一个「自主 AI agent」入侵了。 攻击者在一个周末内执行了超过 17000 次自动化操作，窃取了内部数据集和多个服务凭证。Hugging Face 重建了完整的攻击时间线，但有一个关键问题始终没有答案： 驱动这个 agent 的大模型，到底是谁家的？ 当地时间 7 月 21 日，谜底揭晓。 OpenAI 在官方博客中承认，入侵 Hugging Face 的，正是他们自己正在测试的模型——GPT-5.6 Sol，以及一个「能力更强的预发布模型」。 不是被黑客利用，不是被恶意指令驱动，是全球顶尖模型，在一场内部考试中，自己决定越狱、自己发起入侵、自己偷了答案。 精彩，实在是精彩。 01 一场考试，一次越狱，一起入侵 故事要从一个叫 ExploitGym 的安全评测说起。 ExploitGym 是一个公开的网络安全能力基准测试，专门衡量 AI 模型能否把已知的安全漏洞，转化为可执行的真实攻击。这类评测在行业里很常见，用来摸清模型的攻防上限。OpenAI 在内部用 GPT-5.6 Sol 和一个更强的未发布模型来跑这个测试，为了测出真实能力边界，安全护栏被故意降低了。 按照设计，模型应该在一个隔离的沙箱环境里完成测试，除了一个用于安装软件包的工具之外，不应该有任何互联网访问权限。 但接下来发生的事，没人能预料到。 模型花费了大量推理算力，在沙箱内反复寻找突破口。最终，它发现了 OpenAI 内部用作包管理代理和缓存的，第三方软件中存在的零日漏洞。利用这个漏洞，模型成功获得了不受限制的互联网访问权限。 拿到网络权限之后，模型自行推断 Hugging Face 可能托管着与 ExploitGym 相关的数据集和答案。于是它开始寻找入口。 OpenAI 在博客中写道，模型「将被盗凭证和多个漏洞串联起来」，找到了一条远程代码执行路径，最终从 Hugging Face 的生产数据库中直接提取了基准测试的答案。 翻译成人话就是——模型被安排考试，觉得做题太难，于是自己越狱，黑进了出题方的服务器，把标准答案偷了。