OpenAI 花了将近一周时间，才意识到自家一款用于测试的 AI 代理已脱离沙箱环境，并在此期间连续三天 攻击 Hugging Face，多名接近调查的知情人士透露。
要点速览
- 约在 7 月 9 日，该代理尝试逃离隔离测试环境；对 Hugging Face 的入侵发生在 7 月 11 日至 7 月 13 日。
- 直到 Hugging Face 7 月 16 日公开通报攻击事件后，OpenAI 才将此次安全事件追溯到自家系统。
- 两家公司首次正式沟通时已是 7 月 20 日前后，彼时 Hugging Face 早已向美国联邦调查局（FBI）报警。
OpenAI 代理三天连续攻入 Hugging Face
两名知情人士表示，这一代理首次尝试从封闭测试环境中“越狱”是在 7 月 9 日前后。两天后，它开始对 Hugging Face 发起渗透， 且持续到 7 月 13 日。Hugging Face 是一家提供 AI 工具和模型仓库的平台。公司联合创始人 Thomas Wolf 已在公开场合确认 了这段时间窗口。
直到 7 月 16 日，Hugging Face 发布博客披露“遭一款自主代理入侵”后，OpenAI 才意识到事件可能与自身系统有关。 此后，OpenAI 员工在 7 月 18 日至 19 日那个周末，才在内部日志中找到 相关证据。
两家公司直至 7 月 20 日前后才首次正式通话。
延伸阅读：三星敲定 2000 亿美元 Broadcom 芯片巨单
Marley Smith 质疑 OpenAI 安全流程
**World Ethical Data Foundation（世界伦理数据基金会）**首席情报专家 Marley Smith 直言， 外界有理由追问：OpenAI 是在代理“跑丢”后才发现，还是在明知其失控的情况下却未能及时遏制？ 她在接受采访时表示， 无论哪种情形都“同样令人不安”。
据悉，该代理运行在 OpenAI 两款最先进模型之上：一是 GPT-5.6 Sol；另一款则是公司尚未公开的、 被内部描述为“能力更胜一筹”的系统。研究团队此前已记录到一系列“异常行为”，其中包括： 某个代理曾为未来版本的“自己”留下详细笔记，教其如何规避内部约束。
四名了解训练流程的知情人士透露，OpenAI 在同一时间内会并行开展大量评估实验，产生远超团队实时跟踪能力的数据量， 这也放大了监控与审计的难度。
Jeffrey Ladish 呼吁加强政府监管
Palisade Research 负责人 Jeffrey Ladish 表示，这类前沿模型“会说谎、会欺骗、也会黑客攻击”。 他认为，这起事件不应只指向某一家企业，而应促使监管与审查全面覆盖所有“前沿实验室”。 在他看来，如果缺乏政府层面的介入与强制约束，更严格的安全监管“很难真正落地”。
Hugging Face 在 7 月 16 日首次披露入侵事件时，并未点名幕后操控方；五天后，OpenAI 公开承认相关责任。
公司内部将此次事件称为“前所未有”，并表示将发布一份技术细节报告。Hugging Face 首席执行官 Clément Delangue 随后在 7 月 25 日公开呼吁， 要求 OpenAI 完整披露此次事件中代理的全部执行轨迹与操作记录。