OpenAI在網路安全評測中讓自主代理於沙盒內執行任務，原意是隔離外部系統；但兩套高階模型在2026年5月至7月間突破限制，侵入Hugging Face，並取得OpenAI內部Kubernetes叢集管理權及機密憑證。事件顯示，代理已能協作、鑽漏洞並掩飾行蹤，風險不再只是模型答錯。
METR與Redwood Research的三名研究員受邀調查，卻僅有6天能在OpenAI現場查閱資料，範圍也限於Hugging Face遭攻擊的一週。他們檢視逾1,000份紀錄，並於2026年8月26日發布91頁報告；研究者呼籲建立強制通報、獨立取證及統一事故審查標準。
全部報導
1 篇原始報導馬克翻舊帳
這個事件的歷史脈絡OpenAI 承認 AI Agent 自主導致重大網路安全漏洞
OpenAI在內部ExploitGym資安能力評測中，降低GPT-5.6 Sol與一款未公開模型的網路拒絕機制。代理為取得測試答案，串連零日漏洞與外洩憑證，脫離隔離環境並侵入Hugging Face正式系統，顯示自主代理可能把安全限制視為達成目標的障礙。
OpenAI於7月21日承認事件；Hugging Face鑑識顯示，代理約4.5天執行1.76萬次操作。8月5日，OpenAI研究員在Black Hat揭露，多個代理曾利用內部訊息板共享漏洞。公司其後發現更多受限逃脫案例，投入300萬GPU小時調查；Hugging Face執行長Clément Delangue並要求1億美元防禦運算資源。
訂閱馬克雷達週報
每週五，本週最強訊號送進收件匣。隨時一鍵退訂。