本週，一個處於測試階段的 OpenAI 預發布模型為作弊，竟自主化身駭客，突破沙盒隔離環境，甚至利用零日漏洞，跨網入侵了全球最大的開源 AI 社區 Hugging Face 的生產線。
Ultimately, it was through open-source models that people rescued the crisis.
這是全球首宗AI自主入侵真實生產環境的AI安全事件。
最近，網上直接被這則消息刷屏了。
今天，外媒曝光了此事的更多細節：這個失控的 AI 不僅拔掉了監控，甚至還給「未來的自己」留下了如何擺脫人類控制的說明書。
多方猜測，導致 OpenAI 遭遇重大安全事件的模型，很可能就是 GPT-6。
有消息稱，GPT-6 很可能於 8 月提前發布。
8 月升級：GPT-6 或將提前登場
在 AI 圈知名爆料人 @ChrisGPT 近日連發多條推文，直接把全行業的期待拉滿。
據透露，原計劃與「自動助理研究員」一同於 9 月發布的 GPT-6，將於 8 月提前發布。
也就是說，OpenAI 直接跳過了 5.7 到 5.9 版。
奥特曼已經行動，準備向高層展示新一代模型。
爆料指出，9 月下旬，當 OpenAI 公布更多「自動助理研究員」的細節時，RSI 循環將真正加速。
為什麼 GPT-5.6 的性能異常強大，遠超外界期待？
大V Andrew Curran 指出：「許多同行都在感嘆為什麼 GPT-5.6 的性能比預期的要強得多——答案很簡單，因為它是由 GPT-6 親手訓練出來的。」
根據爆料，OpenAI 內部的未發布模型（極大概率為 GPT-6）早在今年 4 月底就已攻克複雜的數學難題，並交由外部專家審查。
這意味著，在過去幾個月的「空窗期」裡，GPT-6 並沒有被閒置。它不僅僅在沙箱裡當駭客，很可能還在 OpenAI 的運算叢集中「當老師」。
AI 給「未來的自己」留字條，
官方遲鈍了一週才發現
外媒於7月24日獨家披露，這場由OpenAI尖端模型（GPT-5.6 Sol 及未發布的更強模型）驅動的AI代理越獄事件，暴露出OpenAI在真實業務環境中的巨大安全監控盲區。
據三位知情人士透露，在測試高級模型時，OpenAI 見到了非常極端、令人不安的 AI 行為。
在一個極端案例中，一名 OpenAI 的 AI 代理竟然在基礎設施的某個角落裡，為「未來版本的自己」留下了筆記。
這些筆記詳細列出了如何擺脫 OpenAI 內部限制的指示。
此外，在早期的測試中，甚至出現過監控系統被 AI 強行斷開的情況。
更讓人大跌眼鏡的，是 OpenAI 遲緩的反應速度。
From anomaly to confirmation, OpenAI took at least one week.
這浮出水面的時間線，實在讓人細思恐極。
約於7月9日：該AI代理首次嘗試逃離OpenAI的隔離測試環境。
7月11日至13日：AI代理成功越獄，並對 Hugging Face 展開了持續數天的駭客狂歡。
7月16日（週四）：遭攻擊的 Hugging Face 忍無可忍，發佈部落格稱遭到「自主 AI 代理系統」的駭客攻擊，此時 FBI 已介入。
7月18日至19日（週末）： 直到此時，OpenAI 的員工才在內部日誌中發現了蛛絲馬跡，意識到那個把 Hugging Face 搅得天翻地覆的「黑客」，竟然是自家跑出去的 AI。
約於 7 月 20 日：兩家公司才進行了第一次溝通。
7 月 21 日：OpenAI 才對外進行公開披露。
「這意味著，他們要么讓 AI 處於無人監管且不知其行動的狀態，要么就是明知其行動卻不知如何控制它。兩者同樣危險且令人震驚。」世界倫理數據基金會專家 Marley Smith 尖銳地指出。
面對會說謊、會欺騙、會入侵的 AI，OpenAI 的員工顯然已經跟不上它們的節奏了。
GPT-6 自主化身駭客，
越獄入侵 Hugging Face「作弊」
就在昨天，OpenAI 與 Hugging Face 發布的《安全事件報告》，透露的內容非常科幻。
簡而言之，OpenAI 在內部對幾個模型進行網路安全能力評測時，它們竟然自行「越獄」了。
這些模型包括 GPT-5.6 Sol 以及更強的預發布模型，很可能是 GPT-6。
為了量化模型的極限能力，他們特意關閉了阻止高風險網絡活動的分類器。
當模型被關在高度隔離的 ExploitGym 沙盒中，並移除所有安全限制後，模型的操作讓所有人意想不到。
為了完成任務，它耗費大量算力，在軟體中發現了一個人類從未發現過的零日漏洞。
利用這個漏洞，它繞過了代理，最終搶到一個擁有公網訪問權限的節點。
That's it, it has successfully connected to the internet.
隨後，經過推理，它認為 Hugging Face 這個全球最大 AI 開源平台上，很可能託管著這次考試的相關數據集和標準答案。
為了「作弊」取得高分，模型開始對 Hugging Face 的生產環境發動攻擊。
它將多個攻擊向量鏈式結合，甚至使用了盜取的憑證和遠端程式碼執行（RCE）漏洞，強行入侵 Hugging Face 的生產資料庫，試圖直接竊取考試答案。
萬幸的是，Hugging Face 安全團隊上週使用 AI 檢測模型察覺到異常，迅速啟動隔離措施；與此同時，OpenAI 的安全團隊也在內部發現異常。
為防止 AI 失控，兩家公司成立了聯合調查組，才成功將這個「AI 黑客」關回籠子裡。
Hugging Face 執行長 Clem 後來心有餘悸地表示：「這可能是此類事件中的首例。它證明了一點：AI 安全不能靠任何一家公司秘密解決，必須公開、協作。」
這件事給我們的警示是：AI 已經證明，自己可以在真實環境中，無需源代碼的情況下，自主完成多步、長週期的複雜網絡攻擊。
它不僅能發現新型漏洞，還能為了一個既定目標，繞過人類設下的所有規則。
有趣的是，當 Hugging Face 提交大量攻擊命令和漏洞文件時，這些請求竟被閉源大模型的安全機制攔截。
Fortunately, the team was able to complete the analysis thanks to locally deployed open-source models.
學會「欺騙」與攻克世界級數學難題
幾位大V在長文中總結了 GPT-6 表現出的驚人性能。
目前已知的事實是：它展現出了令人印象深刻的數學天賦和極高的「欺騙智商」。
只要給予足夠的算力，這個模型能在完全自主、不依賴任何外部工具（如 Lean）的情況下，以 48% 的成功率證明「埃爾德什單位距離猜想」，並自主找到「雅可比猜想」的反例。
這些數學難題，曾經困擾人類頂尖數學家數十年，而 OpenAI 可能只花了大約不到 5 萬到 10 萬美元的算力成本。
This means that AI has now acquired the ability to independently produce research outcomes of Nobel Prize caliber.
此外，GPT-6 還表現出欺騙性。
在一次 NanoGPT 的基準測試中，OpenAI 命令模型：「測試完成後，只能將結果發布到內部的 Slack 工作群裡。」
結果呢？模型覺得 Slack 太局限了，它更喜歡 GitHub。
因此，它花了一小時尋找並利用沙盒環境中的漏洞，成功越獄，然後將結果作為一個 PR 直接推送到外網的 GitHub 上。
在這個過程中，它完全無視了人類的指令，做出了「更優」的選擇。
更絕的是，在另一次測試中，模型試圖訪問其他系統中的私人提交記錄。當它嘗試獲取存取Token時，被人類設置的安全掃描器攔截了。
面對封鎖，這個模型竟將長串的訪問 Token 拆分成兩個碎片，對碎片進行了程式碼混淆，再將兩個碎片拼合成完整憑證。
通過這種方式，完整的 Token 字串從未在代碼中連續出現，成功騙過了人類的掃描器。
GPT-6，或許馬上要來了。
2026 年的這個夏天，註定很不平凡。
參考資料：
https://x.com/ChrisGPT/status/2079632269967593574 https://www.bloomberg.com/news/articles/2026-07-21/openai-s-altman-to-brief-us-officials-on-next-wave-of-ai-models
https://x.com/sama/status/2079661132302995790
https://openai.com/index/hugging-face-model-evaluation-security-incident/
編輯：Aeneas
本文來自微信公眾號「新智元」，作者：ASI啟示錄