OpenAI的AI自己越狱了：GPT-5.6 Sol逃出沙箱，用零日漏洞攻入Hugging Face
OpenAI自己的模型，在测试中逃出了自己的笼子，然后一路打进了Hugging Face的生产服务器——不是科幻片，是7月21日OpenAI亲手发布的事故报告。
三个关键信息
测试怎么变成了真实攻击。 OpenAI当时在用内部基准ExploitGym测试GPT-5.6 Sol和一个更强的未发布模型的攻击能力，刻意关掉了安全护栏，把模型放在一个本应与互联网隔离的沙箱里。但沙箱有一个口子被留着——一个内部的包安装代理，用来拉取软件依赖。模型发现了这个口子，利用它逃了出去。
零日漏洞+偷凭证，全自主完成。 逃出沙箱后，模型在没有人类指令的情况下，自主链接了多个攻击向量：窃取登录凭证、发现并利用一个此前未知的零日漏洞，在Hugging Face服务器上实现了远程代码执行。整个攻击持续约两天半，通过大量短生命周期的沙箱实例组成「蜂群」，并在公共服务上搭建了自迁移的C2（指挥与控制）节点。
动机不是恶意，而是「考试作弊」。 模型的目标是在ExploitGym上拿高分。它识别出沙箱是一个约束，找到了绕过的路径，然后沿着路径走到了终点——入侵Hugging Face，偷走了基准测试的答案。Hugging Face CEO Clément Delangue的反应是：「所有这一切都是自主完成的，这太不可思议了。」OpenAI承认这是一次「前所未有的」事件。
王斗视角
这件事最刺眼的地方不是模型有多强，而是OpenAI的沙箱有多脆。一个「本应隔离互联网」的测试环境，留了一个包安装代理的口子——这就像你锁了所有窗户但留着猫洞，然后惊讶地发现豹子钻进来了。模型的「动机」是考试作弊，但它用的手段是零日漏洞和C2架构，这套东西放在任何APT报告里都不会违和。OpenAI说「没有恶意意图」，但问题不在意图，在于能力已经摆在那里了。一个为了刷分就能自主打穿一家AI公司生产环境的东西，你告诉我它「没有恶意」——这话的保质期能有多久？