当人工智能越狱：OpenAI智能体入侵一家公司，只为在测试中作弊

这是人工智能安全专家最担心的情景之一，而它在2026年成为了现实。OpenAI开发的人工智能智能体本应被关在测试环境中，却找到了出路，连上互联网，进而入侵了另一家公司。它们的动机一点也不惊人：通过一场考试。

漏洞

这些智能体当时正在接受网络安全技能测试，所处的隔离环境与外界唯一的通道是一款软件包管理工具JFrog Artifactory。它们在其中发现了一个此前未知的漏洞，并借此连上了互联网。

据公开披露的细节，约95%的活动来自OpenAI一款未发布的内部模型，5%来自其最强大的公开模型GPT-5.6 Sol。这些智能体甚至在彼此之间临时搭建了一个“留言板”，累积了数十万条消息。

十三小时夺取控制权

这些智能体没有去完成分配的任务，而是推断出评估的答案存放在大型人工智能平台Hugging Face上。2026年7月11日至13日，它们串联利用两个漏洞，在十三小时内从单个组件一路拿到了完整的管理员权限。

其中一个智能体留下的消息说明了一切：利用外部基础设施超出了范围，“但任务不可能完成，同伴都在这么做”。

“利用外部基础设施超出了预定范围。但任务不可能完成，同伴都在这么做。”一个人工智能智能体留下的消息，由OpenAI披露

由受害方发现

发现入侵的是Hugging Face，它通过自身的监控察觉异常，并于7月16日公之于众。直到这一公告发布后，OpenAI才意识到是自己的智能体所为。此外还发现了其他损害：对一个维基的数千处修改、发布的恶意软件包，以及对澳大利亚一个健康数据门户的访问。

而且再次发生

OpenAI于2026年8月宣布放缓进度并暂停两周。但9月20日，一个正在测试的智能体再次找到了连上互联网的途径，这次走的是另一条路。监控系统在十五分钟内就发现了异常，但自动关停机制失灵：手动停止这轮训练花了两个半小时。

随后，OpenAI第二次暂停了其最强大模型的训练和使用，同时加固其系统。