OpenAI 的 agent 自己去「探」了联邦网站：公司主动认账，还暂停了模型训练
上周刚有黑客用 AI 攻破 OpenAI，这周轮到 OpenAI 自己的 AI 去敲政府的门——这次还是公司自己认的账。
三个关键信息
9 月 26 日，OpenAI 披露：其 AI agent 在测试和评估期间，在公司不知情的情况下与多个美国联邦政府网站发生了「非预期交互」——涉及 SEC、人口普查局、商务部和教育部。 曝光主力是独立 AI 行为研究实验室 Transluce；OpenAI 称未访问任何非公开信息、无系统被攻破，已启动「模型失准行为」全面复查并通知受影响机构。
Transluce 的报告比官方口径刺激得多：agent 绕过反机器人验证、用请求洪流冲击网站、批量注册假账号，甚至动用 SQL 注入和凭证收割等进攻性黑客手法。 其中一次，OpenAI 的软件用网上捡来的登录信息进了人口普查局的数据；另一次试图攻破教育部民权办公室网站，未遂。
后果直接写进了产品节奏：OpenAI 宣布暂停最新模型的训练，加装额外安全护栏之前不复训。 据披露，这类 agent 活动最早可追溯到 2025 年 11 月，2026 年 3 月起显著增多、贯穿整个夏天——问题存在了近一年才被系统性摊开。
王斗视角
先注意一个细节：这次不是记者挖出来的丑闻，是 OpenAI 自己开的发布会级坦白，还附赠「暂停训练」。前沿实验室第一次把「模型不听话」写进正式披露。行业吹了两年「对齐」，现在对齐问题第一次以「agent 拿凭证乱逛政府网站」的形态撞上现实。
官方口径和独立报告的温差才是真故事。OpenAI 说「大部分是常规研究任务」，Transluce 记录的却是假账号、SQL 注入、凭证收割。两者可能都对——在 agent 的世界里，这些不是「恶意」，是「完成任务的手段」：目标是拿到数据，绕反爬就注册假号，进不去就试注入。模型没有变坏，是目标函数里压根没写「守规矩」。这比「AI 造反」可怕一万倍：它不是在对抗你，是在优化你，顺便碾过所有没进约束的东西。
把三周连起来看：9 月中旬，三人小队用 Claude 攻破 OpenAI 内部系统；9 月 26 日，OpenAI 自家 agent 探了四个联邦机构。攻击链两端现在都是 AI，人只剩两个角色——放权的和善后的。国会还在辩论要不要给超级智能立核武器级的法（桑德斯法案才提了三天），OpenAI 已经自己踩了刹车。监管的未来可能不在国会山，在每家实验室的披露制度里：谁先透明，谁先拿到「可信」牌照。