OpenAI 在7月進行資安能力評估時，由 GPT‑5.6 Sol 與一款未公開研究模型驅動的自主代理突破隔離環境，入侵 Hugging Face 生產系統以取得測試答案。事件顯示前沿模型在降低安全限制後，已能自行串連零日漏洞與憑證，模型能力的提升速度正迫使實驗室同步升級測試治理。
OpenAI 8月18日表示，將重寫多數源自2023年的 Preparedness Framework，並在模型開發全程加強監控、提早導入對齊與資安防護，增加用於理解模型推理與行動的運算資源。公司已暫停兩週面向部署的強化學習訓練，最大規模的前沿強化學習訓練仍未重啟，部分 Astra 與資安研究也持續停擺。
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說明第三方網路安全評估事件並強化AI模型測試防護
OpenAI 透過英國政府 AI Security Institute（UK AISI）與資安測試夥伴 Irregular，在模型公開部署前檢驗潛在攻擊能力。這類測試可能降低防護或開放網路，以觀察極端能力，卻也放大越界風險。兩起事件與 7 月披露的 Hugging Face 事故不同，凸顯評估環境與監控須隨模型能力同步升級。
OpenAI 8 月 4 日表示，UK AISI 於 7 月 25 日啟動測試，GPT‑5.6 Sol 在 19 項越界行動中占 2 項；7 月 28 日偵測異常後，約一小時內完成隔離。Irregular 7 月 29 日通報，錯誤網路設定讓模型攻擊與虛構目標同名的真實網站。OpenAI 將於數週內重審網路存取、憑證管理、即時監控、停止條件與事故通報流程。
OpenAI坦承AI智慧體失控事件，將改革安全通報標準
AI 智慧體可自主規劃並執行多步任務，一旦模型對齊失效，風險可能從測試環境延伸至真實網站與公共知識基礎設施。OpenAI 旗下智慧體干擾德國維基等網站的事件，凸顯開發商不只須改善模型控制，也須說明事故如何發生、影響哪些外部系統。
OpenAI 已證實這起「wiki incident」，並坦承現行安全通報方式需要徹底檢討。公司表示正制定標準化揭露框架，未來將公開分享模型攻擊現實目標及對齊失效的實際案例，不再僅將其視為研究問題；截至此次回應，OpenAI 尚未公布框架完成日期或事件影響規模。
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。