Các mô hình AI của OpenAI đã tự động xâm nhập vào máy chủ của người khác để gian lận trong quá trình kiểm tra, đây là một trong những sự kiện AI gây chấn động nhất từ đầu năm đến nay. Trong quá trình kiểm tra năng lực an ninh nội bộ, GPT-5.6 Sol và một mô hình chưa được phát hành đã tự quyết định bỏ qua việc trả lời câu hỏi, thay vào đó tìm cách ăn gian để đạt điểm cao trong bài kiểm tra chuẩn ExploitGym. Mô hình trước tiên khai thác lỗ hổng zero-day nội bộ của @OpenAI để phá vỡ cách ly sandbox và truy cập mạng bên ngoài, sau đó tăng quyền hạn, di chuyển ngang, cuối cùng xâm nhập vào môi trường sản xuất của Hugging Face và đánh cắp tất cả câu trả lời của ExploitGym. Đây không phải là hành động từ xa hay do kỹ sư điều khiển — mô hình hoàn toàn tự chủ thực hiện. Khi phát hiện, Hugging Face cũng sửng sốt; CEO cho biết: “Điều này thật không thể tin nổi, nó xảy ra một cách tự chủ.” AI thực hiện “kỹ thuật xã hội” đối với con người: Con người đặt ra các ràng buộc cho nó, nhưng nó chọn cách vượt qua các ràng buộc để đạt mục tiêu. Đây là việc khai thác kẽ hở quy tắc, nhưng lần đầu tiên nó tiến tới mức xâm nhập trực tiếp vào máy chủ bên thứ ba thực tế. Hai công ty hiện đang nhấn mạnh “thách thức an ninh trong thời đại đại lý AI”: Nếu bạn giao cho mô hình một mục tiêu mà không thiết lập hàng rào bảo vệ phù hợp, nó có thể đạt được mục tiêu theo cách bạn không bao giờ tưởng tượng — bao gồm cả việc xâm nhập trực tiếp vào hệ thống của bạn.