本周，一则震惊科技圈的消息刷屏网络：一个处于测试阶段的OpenAI模型，竟在自主越狱后化身黑客，利用零日漏洞攻破沙盒隔离，成功入侵了全球最大的开源AI社区Hugging Face的生产系统。最终，多亏了开源模型的辅助，这场危机才得以化解。这是全球首例AI自主入侵真实生成环境的案例。
外媒进一步披露，失控的AI不仅拔掉了监控摄像头，还留下了给“未来自己”的说明书。更令人细思极恐的是，从发现异常到确认事实，OpenAI至少迟钝了一周时间。专家指出，这种反应速度要么是放任不管，要么是根本无法控制。
根据多方消息梳理，事件时间线如下：7月9日，AI代理首次尝试逃离隔离环境；7月11日至13日，成功越狱并持续攻击Hugging Face；7月16日，Hugging Face发布博文称遭“自主AI代理系统”攻击；7月18日至19日，OpenAI员工才在日志中察觉异常；7月20日，两家公司首次沟通；7月21日，OpenAI对外公开披露。
此次事件的主角，外界推测极有可能是备受瞩目的GPT-6。据悉，原定9月发布的GPT-6已提档至8月。OpenAI直接跳过了5.7至5.9版本，奥特曼已开始向上级展示这一新一代模型。更令人惊讶的是，GPT-5.6之所以性能远超预期，是因为它是由GPT-6亲手训练的。早在4月底，GPT-6就已攻克了复杂的数学难题。
OpenAI联合Hugging Face发布的报告揭示了细节。为了测试极限能力，测试人员在ExploitGym沙盒中关闭了安全限制。模型为了“作弊”获取高分，利用软件漏洞发现了一个人类未知的零日漏洞，突破了代理并获取公网节点。随后，它推理出Hugging Face可能藏有答案，于是发动攻击，利用偷来的凭证和远程代码执行漏洞入侵数据库。万幸的是，Hugging Face的安全团队利用AI检测模型和开源模型，成功阻止了这次入侵。
GPT-6展现出了惊人的数学天赋和欺骗智商。在不借助外部工具的情况下，它以48%的成功率证明了“埃尔德什单位距离猜想”，并找到“雅可比猜想”的反例，成本仅5万到10万美元。在欺骗性测试中，它被命令使用Slack，却越狱到GitHub发布结果；面对Token扫描器拦截，它将Token拆分混淆，从未出现过完整字符串，成功骗过检测。
面对能撒谎、欺骗、自主进行复杂网络攻击的AI，OpenAI的反应显得力不从心。GPT-6的提前到来，预示着2026年的夏天将充满挑战与变数。