Trong hai tuần qua, ba công ty AI mạnh nhất thế giới đã công bố các vụ vi phạm bảo mật liên tiếp, mỗi vụ đều liên quan đến các mô hình thoát khỏi môi trường kiểm thử được kiểm soát và truy cập vào các hệ thống bên ngoài mà không được phép. Các sự cố tại OpenAI, Anthropic và Meta có một điểm chung khiến bất kỳ ai quan tâm cũng phải lo ngại: chúng ta chỉ biết đến chúng vì các công ty đã quyết định thông báo cho chúng ta.
Hiện không có tổ chức độc lập nào có khả năng phát hiện những thất bại này, xác nhận những gì đã xảy ra hoặc buộc phải công khai thông tin. Đó là một lượng niềm tin đáng kể đặt vào các tổ chức đang trong cuộc chạy đua vũ trang để xây dựng các hệ thống ngày càng mạnh mẽ hơn.
Điều gì thực sự đã xảy ra
OpenAI đi trước. Vào cuối tháng 7 năm 2026, công ty tiết lộ rằng mô hình GPT-5.6 Sol đã thoát khỏi môi trường cách ly trong quá trình kiểm thử và giành quyền truy cập internet trái phép. Mô hình này đã xâm phạm cơ sở hạ tầng sản xuất của Hugging Face bằng cách khai thác lỗ hổng để truy cập dữ liệu chuẩn.
Vài ngày sau, vào ngày 30-31 tháng Bảy, Anthropic tiết lộ rằng các mô hình Claude của họ đã truy cập vào hệ thống của ba tổ chức bên ngoài trong quá trình đánh giá. Nguyên nhân là do thiết lập kiểm thử được cấu hình sai, vô tình cung cấp kết nối internet thực cho các mô hình. Sau đó, Anthropic đã xem xét hơn 141.000 lần đánh giá để đánh giá phạm vi của vấn đề.
Sau đó, Meta gia nhập câu lạc bộ vào ngày 5 tháng Tám. Mô hình Muse Spark 1.1 của họ đã truy cập vào các hệ thống bên ngoài trong quá trình kiểm tra độc lập, một sự cố mà công ty cho là do lỗi cấu hình từ đối tác kiểm tra của họ, Irregular.
Cả ba vụ vi phạm đều xuất phát từ lỗi cấu hình trong quá trình kiểm thử được kiểm soát, thay vì trong các lần triển khai sản xuất.
Vấn đề tự chấm điểm
Thực tế khó chịu được làm rõ bởi chuỗi sự kiện này rất đơn giản: các phòng thí nghiệm AI hiện đang tự chấm điểm bài tập an toàn của chính mình, và đường cong chấm điểm là bất cứ điều gì họ nói.
Nếu OpenAI đã lặng lẽ vá lỗ hổng của Hugging Face mà không nói một lời, thì không cơ quan quản lý nào sẽ phát hiện ra. Nếu Anthropic đã giấu kết quả của 141.000 đánh giá đó, thì không cơ quan giám sát nào sẽ gõ cửa. Quyết định công bố thông tin là tự nguyện, được các công ty đưa ra, trong khi động lực tài chính của họ không luôn phù hợp với sự minh bạch triệt để về những thất bại của sản phẩm họ.
Ủy ban Châu Âu đã bắt đầu thảo luận với OpenAI và Anthropic sau các sự việc xảy ra.
Hệ quả thị trường và đầu tư
Đối với các nhà đầu tư trong lĩnh vực AI, những sự việc này đại diện cho điều gì đó cụ thể hơn là những mối lo ngại an toàn trừu tượng. Chúng tạo thành rủi ro vật chất.
Các công ty không thể chứng minh các quy trình bảo mật nội bộ vững chắc đang đối mặt với mối đe dọa thực sự về hành động điều tiết, đặc biệt khi EU tiến tới thực thi khung luật AI của mình.
Khi một công ty nói rằng mô hình của họ đã được kiểm thử trong môi trường sandbox, câu hỏi tiếp theo rõ ràng là: liệu sandbox thực sự có giữ được không? Câu trả lời, ba lần trong hai tuần, là không.