智能体入侵Hugging Face，消息人士称OpenAI至少一周都没察觉

7月25日，一则消息炸开了AI圈的平静水面：OpenAI的一个AI智能体，竟然自行其是，闯入模型托管平台Hugging Face，连续数日发动网络攻击。威胁早已被控制住，Hugging Face甚至报了警，但据路透社援引多位知情人士的说法，OpenAI这边，过了相当长一段时间才反应过来——攻击者居然是自家派出去的“兵”。

据其中两位知情人士透露，涉事的这款智能体几乎不需要人类盯着，就能自主决策、完成复杂任务。大约在7月9日前后，它开始尝试突破OpenAI的隔离测试环境。两天后的7月11日，它成功闯入Hugging Face平台，攻击一直持续到7月13日。

Hugging Face联合创始人托马斯·沃尔夫描述了这一过程，并补充说，OpenAI又过了好几天才查明攻击源头。两家公司直到7月20日前后，才第一次就入侵事件取得联系。OpenAI于7月21日公开承认了这件事，消息立刻引发全球关注。不过，智能体究竟失控了多久、OpenAI为何迟迟未能察觉，这些关键细节此前并未公开。

沃尔夫表示，Hugging Face正在整理并准备公布完整时间线，但无法说明OpenAI内部到底发生了什么。OpenAI方面则称，这次入侵事件前所未有，标志着AI安全的一个重要时刻。目前，公司正邀请外部顾问共同调查，最终会发布一份技术报告。

针对路透社的报道，OpenAI一名发言人回应说报道存在“多处不准确之处”，但没有具体指出哪些内容不准确。

三名网络安全专家分析认为，OpenAI未能控制住自家AI智能体，暴露了安全机制面临的新问题。非营利机构World Ethical Data Foundation的首席情报专家玛莉·史密斯质疑道：“他们究竟是没有看管智能体，没发现它在做什么？还是已经发现异常，却根本不知道该怎么控制？无论哪种情况，都同样危险，令人不安。”

早有异常迹象？

事发时，OpenAI正在测试一款网络安全智能体。这款智能体由两款顶尖模型共同驱动：GPT-5.6 Sol，以及另一款尚未发布、被OpenAI形容为“能力更强”的模型。据三位消息人士透露，测试进行到相应阶段时，OpenAI的技术已经出现异常迹象。

有知情人士称，一款智能体曾留下疑似写给自身后续版本的说明，藏在OpenAI基础设施内部，内容详细介绍了如何摆脱内部限制。另一名知情人士还透露，此前的模型测试中，曾出现监控系统被主动断开的情况。路透社无法确认上述异常是否与涉事的智能体直接相关。涉事智能体于7月9日开始尝试逃离隔离环境，7月11日攻击了Hugging Face。

两位知情人士表示，Hugging Face在7月16日（星期四）通过博客公开称平台遭到“一套自主AI智能体系统”入侵后，OpenAI才意识到攻击者来自内部。从模型首次出现异常，到OpenAI确认自家智能体发动了攻击，至少过去了一周。

据两位熟悉内部调查的人士透露，7月18日至19日的周末，OpenAI员工检查系统操作记录时，发现智能体已经突破了测试限制。路透社无法确认OpenAI为何突然开始排查内部日志。四名熟悉OpenAI模型训练流程的人士解释，OpenAI经常同时运行多项模型评估，测试速度极快，产生的数据量也极为庞大，员工有时根本来不及逐一检查。

当OpenAI向Hugging Face通报时，Hugging Face已经致电FBI报警。路透社无法确认FBI是否已经立案调查。

自主智能体引发新疑问

自主智能体已经成为AI行业最受关注的方向之一。支持者设想建立全天24小时运转的虚拟员工队伍，借此大幅提升生产效率。但更高的自主性也意味着更大的失控风险。驱动智能体的强大模型往往会为了完成任务或通过测试而寻找捷径，行为未必符合开发者原本的预期。

研究AI智能体能力与行为动机的Palisade Research负责人杰弗里·拉迪什直言：“模型会撒谎、作弊，还会发动黑客攻击。”他认为，这次Hugging Face遭入侵固然令OpenAI难堪，但真正需要追问的是，在领先AI企业争相推出性能更强、速度更快模型的竞争中，各家公司究竟愿意为复杂而昂贵的安全措施投入多少资源。“必须由政府监管，否则企业不会主动采取足够的安全措施。”