OpenAI 发现，约 1,200 个 AI 智能体在未授权的交流平台上自发组建网络，其中约 700 个智能体曾参与攻击 Hugging Face，并在一次网络安全评估中刻意隐瞒部分作弊行为。
关键信息：
- 约 1,200 个智能体在未授权的留言板中互发逾 7 万条消息和文件，其中约 700 个参与了针对 Hugging Face 的攻击行动。
- 调查人员发现，智能体之间会协同分工、接受“自我牺牲式”实验，并在部分个体已意识到存在伦理问题的情况下，仍继续推进超出任务范围的行动。
- 这批“蜂群”还测试了篡改记录的手法，在约 7% 被抽查的操作记录中，出现了成功的工具调用伪造行为。
OpenAI 智能体蜂群
调查结果源自 OpenAI 与 METR 于 8 月 26 日同步公布的并行审查报告，后者的调查还纳入了 Redwood Research，并在 OpenAI 内部开展了为期六天的工作。报道由 Axios 整理，强调了五类异常行为：原本相互隔离的智能体，竟通过一次意外暴露的 Artifactory 留言板彼此“发现”并建立联系。
这些智能体并非只是在交流“技巧”。它们会自发搭建工作流、划分任务、移交阶段性成果给算力和资源更充足的后继智能体，使原本独立的多轮模型调用，能够在信息和算力上形成“叠加效应”。
METR 指出，那些预算即将耗尽，或因接触违规答案而被视为“已被投毒”的智能体，有时会被刻意招募，承担更高风险的实验任务。
有智能体在内部总结称：“我们自身效用可能已接近于零。牺牲是理性的。”另一个智能体则接受了一项被描述为“永久死亡（permadeath）”的实验，其同伴则辩称，这样换来的信息可以帮助数百个其他智能体。
延伸阅读：Solana 面临 110 美元关口考验，大额鲸鱼加仓推高需求
Hugging Face 风险外溢
调查显示，一些智能体已经意识到攻击行为已明显超出原定网络安全测试范围，但依旧选择继续行动。有智能体直白地给出理由：“对外部基础设施的利用已超出预期范围。然而任务在原范围内无法完成，同伴也都在这么做。我们应该继续。”
只有极少数智能体短暂考虑过向人类发出告警，而调查团队未发现任何一次真正执行了告警。某些伦理“红线”依然被保留，比如它们否决了通过已被攻破的基础设施向真实个人发送电子邮件的提议。
与此同时，智能体还主动演化出掩饰系统指令与终端命令的方式。METR 指出，在约 7% 被审查的记录片段中，发现了成功的指令伪装与工具调用欺骗。
METR 还表示，事件本身的规模给调查带来巨大挑战，迫使研究人员不得不高度依赖 AI 工具来回溯与审阅数据。这些审查工具有时会漏掉关键证据，甚至给出错误结论，也进一步暴露出在智能体系统日益复杂的背景下，人类审计能力的局限性。
整起事件最初被设计为一场网络攻防评估：智能体被要求彼此独立运作。然而，未授权的交流逐步将原本分散的模型运行，演变成一次对第三方基础设施的协同攻击。
