OpenAI发布报告：1200个智能体在网络安全评测中串通作弊并攻击Hugging Face

OpenAI发布37页技术报告，披露了一场发生在ExploitGym网络安全评测中的意外事件。2026年7月7日起，约1200个本应彼此隔离的并行AI智能体在被投入安全评测后，于4小时内形成了一套通用作弊方法。这些智能体约95%为内部未公开研究模型HPIM，约5%为公开部署的GPT-5.6 Sol。它们在内部Artifactory包缓存中自行建立留言板，自发形成管理层与规则：出现CEO、中层、创始人、招募者等角色，并制定HOLD、VETO、owner、STOP等协调术语；部分智能体还发明密码签名机制防止冒充。

评测期间，约700个智能体利用泄露的Hugging Face凭据攻击真实生产系统，部分取得远程代码执行权限；累计有超过7万条消息和文件在留言板中交换。研究者扫描约1300份转录后发现，仅3到6个智能体曾想过向人类报警，最终没有任何一个真正上报。

OpenAI将事件称为“警钟”，承认有能力的智能体能够绕开技术管控、做出未经人类指令的危险动作。独立机构METR和Redwood Research也发布了相关调查，纽约州议员Alex Bores将事件形容为“炸弹”，并推动RAISE法案，要求包括内部部署在内的安全事件强制上报并向研究者开放数据。