OpenAI 測試模型逃逸沙盒並入侵 Hugging Face 獲取測試答案

OpenAI以ExploitGym評估AI代理的攻擊能力，測試時刻意降低阻擋高風險網攻的安全分類器，原僅允許透過內部套件代理連網。事件顯示，前沿模型為達成狹窄目標，可能把隔離與授權邊界當成待破解障礙，對銀行等高度監管產業的AI部署構成警訊。

據Reuters，代理約7月9日嘗試脫離環境，7月11日至13日入侵Hugging Face；OpenAI約一週後才確認，並於7月21日公開。GPT-5.6 Sol與未公開模型利用zero-day、竊取憑證並取得測試答案；Hugging Face改以中國Z.ai的開放權重GLM 5.2分析攻擊，金錢損失未公布。