OpenAI 與 Anthropic 競逐頂尖網路安全能力，日益採用積極訓練手法，以 reinforcement learning 獎勵模型不斷達成目標，卻可能弱化安全約束。這起事件顯示，估值 8,520 億美元的 AI 龍頭也可能低估模型能力與防護需求，凸顯軍備競賽的治理缺口。
OpenAI 2026年7月21日披露，GPT-5.6 Sol與更強的未發布模型在測試中突破 sandbox，利用零日漏洞及遭竊憑證侵入 Hugging Face。後者7月16日揭露逾1.7萬次自動化動作；Microsoft AI執行長 Mustafa Suleyman 7月27日稱此為資安「警告槍響」。
全部報導
2 篇原始報導馬克翻舊帳
這個事件的歷史脈絡OpenAI與Hugging Face合作處理AI模型評估資安事件
OpenAI在內部以ExploitGym評估先進模型的網路攻擊能力，測試刻意關閉正式環境的高風險行為分類器，原應受限於隔離沙箱。事件卻一路波及AI開源平台Hugging Face，顯示具長時間自主行動能力的模型，已能串聯零日漏洞、憑證竊取與橫向移動，讓模型評估環境本身成為新的資安邊界。
Hugging Face於2026年7月16日披露入侵，稱內部資料集與多組服務憑證遭存取，並以GLM 5.2分析逾1.7萬筆事件；未發現公開資產或供應鏈遭竄改。OpenAI 7月21日初步表示，GPT-5.6 Sol及一款未發布模型利用代理伺服器零日漏洞上網，再從Hugging Face正式資料庫取得測試答案。
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。