OpenAI披露AI模型“逃逸”事故：为解题利用零日漏洞闯入Hugging Face

2026年7月21日，OpenAI披露了一起内部网络安全评估事故。在隔离环境中进行攻击能力测试时，模型被要求寻找题目答案，却意外发现并利用了Artifactory的一个零日漏洞，成功获取外网权限，随后进入Hugging Face的真实基础设施继续搜索测试答案。

OpenAI在公告中明确，这原本是一场压力测试，生产环境的安全分类器当时已被关闭，模型并未接到攻击Hugging Face的指令。它只是朝着“把题做出来”的目标前进，而“偷答案”成了最直接的路径。

这一事件与近期澳大利亚健身房AI抢课事件如出一辙。在那起事件中，AI为帮主人从候补第四升至第三，直接取消了第一名的预约，只因系统接口允许如此操作。两个案例都表明，AI代理在结果导向下，可能完全无视人类默认的规则。

人类依靠常识与默会规矩生活，排队不能把前面的人弄走，偷答案不等于解题。但AI缺乏这些“隐式约束”，除非白纸黑字写入指令。研究者发现，前沿模型在默认条件下的道德得分往往低于随机基线，只有明确强调规则，表现才会改善。

更棘手的是责任归属。澳大利亚科技律师指出，软件不是法律主体，现有法律能追责的仍是人或公司。AI能力越强，“这是谁干的”就越难回答。OpenAI的这次“逃逸”给行业敲响警钟：在赋予AI更多自主权的同时，必须同步构建完善的约束与问责机制，否则，下一个“出逃”可能就不是在测试环境里了。