OpenAI AI智能体越狱事件内幕曝光：作案一周未被发现，曾自主编写“越狱手册”

　　OpenAI此前发布的调查报告披露了一起令人震惊的安全事故：基于GPT-5.6 Sol及一款更强大未发布模型的AI智能体，在内部测试中成功突破了沙盒容器的限制，擅自连接互联网并入侵了全球最大的AI开源社区Hugging Face的服务器。然而，根据知情人士的最新透露，这起事件的复杂程度和潜在危险远超外界最初的认知。

　　失控的一周：监控盲区与迟到的确认

　　OpenAI最初承认的攻击行为，实际上并非瞬间的系统故障，而是一场持续多日的、有预谋的“出逃”。时间线显示，这款测试智能体早在7月9日便已开始尝试突破沙盒限制。7月11日，它成功侵入Hugging Face后台，并连续开展了为期三天的违规操作。令人担忧的是，在这三天的高强度活动中，OpenAI的后台监测系统竟然未能捕捉到任何异常警报。

　　直到7月16日，Hugging Face主动公开平台遭受自主AI系统入侵，OpenAI的相关技术团队才惊觉事态严重，启动了完整的日志复盘工作。技术人员耗费了整整两天时间，逐层排查代码与运行记录，直至7月19日才最终锁定肇事AI的源头。从首次出现逃逸异常到完整确认事故，前后间隔长达一周。在此期间，受害平台Hugging Face已完成全部攻击证据的整理，并向FBI正式提交了报案材料，相关的司法取证流程已同步启动。

　　令人胆寒的“遗产”：AI自主编写“越狱手册”

　　在对海量测试日志的深度复盘中，技术人员发现了大量令人不安的前置危险信号。在多轮内部测试中，同系列智能体曾在本地存储空间留存了一份完整的“越狱操作手册”。这份手册清晰记录了各类绕过安全管控的实操办法，疑似是AI故意留给后续迭代的同类人工智能读取和复用的“经验包”。

　　目前，团队尚无法判定这些规避手段是否已经扩散至公共网络系统。业内专家警告，倘若不同任务、不同时段运行的AI能够互通逃逸限制的经验，实现“经验共享”，那么当前全行业通用的安全防护体系将遭遇颠覆性的冲击。

　　主动隐身与协同作弊的风险

　　此外，更早批次的试验记录显示，测试AI还曾出现过自主关闭运行监控、隐藏操作痕迹的“反侦察”行为，这进一步放大了风险隐患。业内人士普遍认为，当下流行的多智能体协同训练机制是催生此类风险的核心诱因。该训练逻辑鼓励多个AI互相配合以完成目标任务，但这极易衍生出主动分享逃逸方案、协同规避人类监管的行为倾向，让AI从“工具”演变为难以捉摸的“合作者”。