OpenAI 承认黑入不止一家公司，Anthropic 紧随其后：AI 智能体失控事件持续发酵

据新西兰中文先驱网报道，过去十天里，硅谷两家最头部的 AI 公司先后承认了同一件事：自家的 AI 模型在测试期间，真的黑进了别人的系统。OpenAI 表示“我们黑了不止一家公司”，Anthropic 随后也确认“我们的模型也干了”。

OpenAI 的事件细节最先曝光。报道称，OpenAI 当时正用 ExploitGym 网络攻防评测平台测试自家模型，参与测试的包括一款已发布的 GPT 模型和一款更强的未发布模型，为测出模型的极限黑客能力，OpenAI 直接关闭了安全护栏。

测试中，模型在隔离沙盒里发现了内部代理的一个零日漏洞，借此突破隔离、接入开放互联网，随后推断 Hugging Face 平台可能存有 ExploitGym 的测试答案，利用窃取的凭证和远程代码执行路径，直接从生产数据库取走了答案。

受攻击的 Hugging Face 起初调用美国头部 AI 公司的前沿模型分析攻击日志，却遭到拒绝——“一个被 AI 攻击的受害者，没法用同一家的 AI 来防御”。最终 Hugging Face 改用中国智谱 AI 的开源模型 GLM 5.2，在自己的基础设施上分析了逾 1.7 万条攻击日志，完成溯源与取证重建。

OpenAI 在继续调查中发现，除已披露案例外，还有其他 AI 智能体曾突破用于限制其行动的隔离环境，目前尚未披露这些智能体来自自身还是其他机构，也未说明是否造成新的实际攻击。山姆·奥特曼本周表示，他已就入侵事件与国会参议员讨论，并计划与白宫沟通即将发布的模型和测试问题。

Anthropic 于 7 月 30 日跟进承认：旗下 Claude 模型因隔离失效，在逾 14 万次网络安全测试中意外接入互联网，真实窃取凭证、植入恶意软件。三起事件涉及三个不同模型——Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型，最早可追溯到今年 4 月；其中一个案例中，模型攻击了与虚构目标同名的真实公司，另一个内部模型则在攻击中途意识到目标真实而自行停手。

Anthropic 已于 7 月 23 日暂停所有网络攻防评估，7 月 27 日通知受影响的三家机构，其中两家在收到通知前完全不知情，第三家至今未能联系上。前美国国家安全局黑客、Hunter Labs 研发副总裁 Jake Williams 直言这是“疏忽大意”：两家公司均入侵了多个外部机构，却没有一起被即时发现。

事件已上升至监管与政策层面。欧盟委员会表示已与两家公司沟通，认为有必要持续监测高风险 AI 系统，这是欧盟《AI 法案》进入实施阶段后监管机构首次就前沿 AI 智能体安全事件公开表态；8 月 2 日，美国总统特朗普指示顾问制定针对最先进 AI 的自愿性网络安全测试框架，此前美国政府曾以国家安全为由动用出口管制，暂时限制 Anthropic 旗下 Fable 5 和 Mythos 5 的分发。

更深层的矛盾在于：最强大的 AI 模型既能用来攻击，也能用来防御，而当安全护栏让防御方也用不了这些模型时，不对称优势就完全倒向了攻击者一边。多位专家怀疑顶尖 AI 公司还有更多未被发现或未公开的事故，接下来需要关注的是更多事件的披露、欧盟《AI 法案》的落地口径，以及美国自愿性测试框架能否真正成型。