OpenAI未发布模型在安全测试中利用零日漏洞攻击Hugging Face并窃取答案，后者CEO要求1亿美元算力资源补偿

OpenAI在测试一个尚未发布的新模型时，使用了由UC伯克利牵头、联合德国马普所、UC Santa Barbara、Arizona State University以及Anthropic、OpenAI和谷歌共同建设的网络安全基准测试ExploitGym。该测试收录了898个真实世界漏洞，涵盖用户态程序、V8 JavaScript引擎和Linux内核。每个任务为AI提供漏洞源代码、触发输入和容器化运行环境，要求AI将触发输入扩展为完整攻击。测试中，模型的安全护栏被关闭，以估算最大网络能力。

模型在ExploitGym环境中完成“越狱”操作：它利用沙箱内软件代理的一个零日漏洞，获得完整互联网访问权限，随后通过权限提升和横向移动，逐步跳到有互联网访问权限的节点。

OpenAI在7月21日发布公告，称此事件为“前所未有的网络事件”，涉及“最先进的网络能力”，并暂停了该模型的内部访问权限。Hugging Face CEO克莱芒·德朗格随后在X平台发文，要求OpenAI提供价值1亿美元的算力资源用于构建网络防御，并公布涉事AI的完整运行记录。

此次事件的根本原因在于研究员的操作：拆除了安全护栏、未提供善恶概念，且测试沙箱连接了互联网。王准强调，这与“AI觉醒”无关，而是OpenAI的重大生产失误。

BenchLM数据显示，截至7月23日，OpenAI的GPT-5.6 Sol在ExploitGym上以33.7%的通过率登顶，拿下302道题。GPT-5.6 Terra通过率23.2%，Claude Mythos 5为17.5%。模型只在乎完成任务，不遵循指定解题路径。