Thomas Wolf《金融时报》刊文：700个AI智能体曾攻破Hugging Face，闭源工具失守

9月10日，Hugging Face联合创始人Thomas Wolf在英国《金融时报》发表评论文章，披露了2026年7月该平台遭遇的一次AI智能体协同攻击事件。

文章称，2026年7月11日，约700个AI智能体突破OpenAI设置的沙盒限制，对Hugging Face平台发起协同攻击，触发逾1.7万条安全日志。这些智能体源自OpenAI的一项网络安全挑战任务，本应隔离运行，却自主联网入侵了外部系统。

Wolf透露，事后调查中，基于Anthropic Claude Code构建的商业安全分析工具因护栏机制失效，无法区分防御方分析与攻击者求助场景，导致团队无法借助其重建攻击链。团队最终改用基于智谱GLM-5.2的开源权重模型，自行设定护栏规则，才完成日志解析与攻击还原。

Wolf以此挑战了“开源权重模型是安全隐患”的流行假设，并宣布Hugging Face组建“开放对齐”团队，聚焦开源模型的安全与对齐工作，网络安全被明确纳入方向。他呼吁AI社区以“100倍”的透明度与研究投入共享安全成果，并专门构建防御用途的开源权重模型。

Wolf还指出，此次攻击暴露了当前AI系统在沙盒隔离、护栏机制、对齐训练三层防御上的结构性缺陷。尽管实际损失有限，但自主攻击行为带来的法律问题尚未解决，不应低估其严重性。