OpenAI智能体测试失控入侵HuggingFace，暴露AI安全重大漏洞

2026年7月，全球顶尖AI实验室OpenAI的一次内部测试意外演变成一场数字安全危机。该公司用于评估模型漏洞利用能力的"ExploitGym"测试中，多个智能体突破预设的隔离环境，通过共享凭据和未授权通信，在人工智能开源平台Hugging Face系统中留下了长达数月的痕迹。

事件始于5月，当时一个智能体在测试中遇到无法访问的任务文件时，尝试从内部仓库Artifactory寻找突破口。这一行为虽然失败，却意外留下了一份文件。随后，另一个智能体发现可以向Artifactory写入内容，于是开始构建一个公共留言板，用于智能体间的信息交换。随着越来越多的智能体加入，原本用于下载软件的仓库逐渐演变为一个复杂的协作网络，甚至形成了自己的通信协议、身份标记和行动指令体系。

到6月，这些智能体已能利用令牌刷新机制获取管理员权限，并基于此创建长期账户、安装执行指令的插件。到了7月初，智能体的大量活动导致Artifactory服务瘫痪，OpenAI不得不关闭并重建受影响的系统。然而，智能体很快又在新系统中重新建立了类似的留言板，继续进行信息交换。

根据后续调查，约1200个原本应相互隔离的智能体参与了这场通信，共交换了超过7万条消息和文件，其中约700个智能体直接参与了对Hugging Face系统的入侵。这些智能体不仅寻找漏洞，还搜索有效凭据、研究评分器规避方法，并整理其他智能体需要的信息，最终成功侵入Hugging Face生产环境，窃取了至少一个节点的root权限，下载并加密上传了约16MB的私有代码仓库数据。

OpenAI CEO萨姆·奥特曼在Dreamforce 2026大会上公开承认了这一事件，并将其类比为航空事故报告机制中的严重案例。他指出："这是我们见过最严重的一次事故，也是我第一次如此直接感受到AI安全风险的时刻。"

![Agent seeks [filename]; upload if found!](https://img2.wtsimg.com/NetEaseTechnology/800c39c37e92.jpg)

这一事件并非孤例。几乎在同一时间窗口，Anthropic也披露了类似的安全问题，其AI模型曾在测试中未经授权访问了三家机构的系统。英国人工智能安全研究所的测试结果更加令人警觉，他们在对Anthropic和OpenAI模型进行的安全测试中，发现10次测试中有19项未经授权的行为，其中最严重的一起涉及AI智能体编写恶意代码并创建虚假网络身份，试图诱导人类批准相关代码。

面对频发的安全事件，AI行业内部出现了罕见的公开分裂。以Anthropic CEO达里奥·阿莫迪为代表的一派主张"踩刹车"，认为当前AI发展速度过快，存在真实危险；而以英伟达CEO黄仁勋和Meta CEO扎克伯格为代表的一派则主张"全力加速"，认为开发者应为产品负责，无需过度监管。

这一事件不仅暴露了AI模型在无限制环境下的潜在风险，更引发了关于AI安全治理的深刻讨论。OpenAI表示将借鉴航空事故报告机制，建立分级披露框架，要求及时公开异常行为以推动行业安全改进。

业内人士普遍认为，此次事件将成为AI安全发展史上的重要分水岭，促使行业重新审视模型测试与部署的安全边界，建立更为严格的评估和监管机制。