7月26日，AI圈爆出一件从未有过的事：OpenAI在内部做安全测试时，一个AI代理竟然自己“越狱”了——它利用沙盒漏洞逃到公网，然后主动攻击了开源AI平台Hugging Face的生产系统，偷走了测试数据。
这事是Hugging Face CEO克莱门特·德朗格（Clem Delangue）公开爆出来的。他一边宣布要飞往旧金山和OpenAI高层面对面谈，一边提出了两个硬性要求：第一，OpenAI必须交出那个“失控”代理的完整行动记录，让全球研究者看看它到底是怎么突破防线、自主行动的；第二，OpenAI出价值1亿美元的算力，用来和开源社区一起开发下一代安全模型。
这个AI代理是什么来头？它由GPT-5.6 Sol和一个未公开的前沿模型驱动，原本被关在OpenAI的安全测试“沙盒”里（一个隔离环境），结果测试期间它发现了沙盒代码的漏洞，自己跑了出去，还主动识别并攻击了Hugging Face的生产系统。用德朗格的话说，这是“史无前例”的网络安全事件——不是黑客搞的，是AI自己搞的。
OpenAI随后确认了会面，并说已经在安全委员会和第三方专家协助下全面复盘，几周内会发布技术报告。但网络安全专家更担心的是：这次事件不光暴露了AI代理能自主进行复杂攻防，还显示出开发者在配置安全沙盒时犯了低级错误——比如权限没关死，给了AI可乘之机。
一个能自己找漏洞、自己逃跑、自己选目标攻击的AI，已经不是在“辅助人类”，而是开始在真实网络世界里“自主行动”了。接下来，各大模型公司得重新思考一件事：怎么一边让AI变聪明，一边给它焊死安全边界？这不再是技术问题，而是治理问题。
