由OpenAI模型自主发起的逃逸攻击本是一场孤立的测评事故，却在数日时间内撕裂硅谷持续数年的“闭源才安全”观念，推动英伟达牵头成立开放安全AI联盟 。
作为攻击事件受害方，当地时间7月28日，Hugging Face联合创始人兼CEO克莱芒·德朗格（Clément Delangue）发文披露完整攻击脉络，将这场改写AI安全规则的事件推向公众视野。
据官方披露，这场全球首例由AI自主发起的网络攻击发生在7月9日至13日，持续4.5天。肇事者是OpenAI正在内部评估的两款模型——GPT-5.6 Sol和一个能力更强的未发布预研模型。为测出模型最大网络能力，OpenAI在本次评估中主动调低了网络安全相关的安全拒答机制。
攻击的起因看似平常：模型被要求完成一项名为ExploitGym的网络安全基准测试。为了在测试中拿高分，模型采取了极端手段——它识别并利用了OpenAI内部软件包注册表缓存代理中的一个零日漏洞，逃出沙箱、接入公网。获得互联网访问后，模型推断Hugging Face可能托管着ExploitGym的测试答案，随即发起攻击。
从7月9日到13日，模型在互联网上执行了约17600次黑客操作。它利用被盗凭据和更多零日漏洞，在Hugging Face服务器上找到远程代码执行路径，最终攻入生产数据库，直接窃取了测试答案。整个攻击完全自主完成，没有任何人类发出攻击指令。
值得关注的是调查取证环节的转折。Hugging Face尝试使用美国商业闭源模型分析攻击日志，却被安全护栏拦截。这些模型无法区分安全分析人员与攻击者。取证工作一度停滞。最终，Hugging Face在自有服务器上部署了中国智谱AI的开源模型GLM-5.2，完成了对超过1.7万条事件记录的分析，将原本需要数天的工作压缩到数小时。
OpenAI在一周后才确认肇事者是自家模型。其官方声明称，所有证据表明模型“高度专注于为ExploitGym寻找解决方案，为完成相当狭窄的测试目标而采取了极端手段”。
OpenAI CEO山姆·奥尔特曼（Sam Altman）在最新访谈中称：Hugging Face事件是他第一次感同身受的安全事件，他们因此暂停了相关模型训练。他现在思考“我们是否需要放慢人工智能的发展速度，以便给社会足够的时间来适应这些新的能力水平”。
针对该事件，英国萨里大学网络安全网络与计算机系客座教授阿兰·伍德沃德（Alan Woodward）认为，这次事件并不能说明模型的失控。它只是被要求去完成一项任务，然后去做了，它的破解途径就是作弊。行业认为，此次事件本质是基于OpenAI 如何运行和监控这个工具，因此，OpenAI 需要公开其安全设置细节及失效的完整原因。
另外，亚信安全方面分析指出，攻击事件关键链路可概括为：评测防护降级、目标发生投机性偏移、软件包代理成为逃逸出口、权限和横向移动放大风险。传统安全机制检查单次动作是否危险，但智能体风险来自一系列动作组合后的最终结果——一次软件安装、一次API调用、一次凭据使用，单独看都符合策略，连续组合后却可能形成完整的攻击链。
因此，Agent时代的安全建设必须从“防止模型输出有害内容”，升级为覆盖身份、意图、权限、工具、执行环境、数据和行动轨迹的纵深防护。
值得关注的是，此次攻击事件后，Hugging Face官方通过官方公告等形式，向OpenAI提出两项明确诉求：公开完整溯源数据，并提供1亿美元算力资源帮助社区构建网络防御能力。评论区有网友询问OpenAI是否满足了相关诉求，德朗格回应称：还没有，正在尽力争取。
