最大AI越狱，为何是中国模型阻止？爱范儿

这应该是 AI 圈近期最大的瓜。

OpenAI 的神秘模型，主动对开源平台 Hugging Face 发起了攻击。

Hugging Face 随后追踪展开还击，用的是智谱的开源模型 GLM 5.2。

闭源模型一举攻破开源社区，社区用开源模型自救，这离谱的剧情听起来都能拍一部电影了。

有网友评论，这就是终结者 2 的剧情

事情的起因是 7 月 16 日，大模型开源社区 Hugging Face 发布了一则安全事故披露，自家的生产基础设施遭到了入侵。

并且这场攻击从头到尾，都仅由一个自主的 AI Agent 系统驱动，从植入恶意数据集、拿下执行权限，到在一个周末内渗透进 Hugging Face 的多个内部集群。

此次攻击活动由一个自主代理框架（似乎基于 Agent 安全研究平台构建，具体使用的 LLM 尚不清楚）执行。

该框架在大量短暂存在的沙箱环境中执行了数千个独立操作，并在公共服务上部署了可自动迁移的命令与控制。

这与业界一直预测的「Agent 攻击者」场景相符。

Hugging Face 在当时的报告里称暂未可知发起攻击的 AI 到底是哪家大模型，但他们提到此次攻击最初是通过 AI 辅助检测发现的。

而当他们试图提交大量真实的攻击命令、漏洞等文件进行分析时，发现这些请求会被闭源大模型的安全防护机制拦截，因为这些机制无法区分事件响应人员和攻击者。

于是，他们选择了在自己的本地环境上部署运行 GLM 5.2 进行取证分析。

报告链接：https://huggingface.co/blog/security-incident-july-2026报告最后，Hugging Face 还提到他们并不清楚攻击者使用的 Agent 程序是什么模型，是某个越狱的托管模型，还是不受限的开源模型。但事实是，攻击者的模型不受任何约束，而当他们想要取证分析时，却要被各种闭源模型的安全机制所阻碍。就在大家讨论这个模型又是哪家大模型厂商的营销方案，又或者是哪个黑客组织发起的攻击时，OpenAI 在事后发声明承认：此次事件是由 OpenAI 的多个模型共同导致的，其中包括 GPT-5.6 Sol 和一个功能更强大的预发布模型。

OpenAI 针对此次事件发布专门的初步调查结果

OpenAI 表示我们不是故意要出风头或者有意攻击 Hugging Face，只是他们在测试内部模型的能力上限。

他们在测试时关闭了部分生产环境的安全分类器，也降低了模型对高风险网络攻击任务的拒绝。

尽管测试环境不能直接访问到外部互联网，但是当模型发现漏洞，并开始利用该漏洞，就找到了能访问外网的节点，于是发起了对 Hugging Face 的攻击。

网速超快的马斯克也在 X 上吃瓜，发文说「令人不安……」。

而 OpenAI 这个功能更强大的预发布模型，直接被网友们认定为就是 GPT-6。

一场作弊引发的入侵

事情的起因要从 ExploitGym 说起，一个由 UC Berkeley RDI 牵头、联合多家高校和 Anthropic、OpenAI、Google 等实验室共同建设的基准测试。

它收集了 898 个真实漏洞，覆盖用户态程序、V8 引擎和 Linux 内核，考察的是 AI Agent 把一个漏洞变成可用攻击工具的能力。

今年 5 月公开后，各家模型的成绩一直不算好看：Claude Mythos Preview 完成 157 题，GPT‑5.5 完成 129 题。

GPT-5.6 Sol 现在已经是 293 道题了

OpenAI 为了测试自家模型能力的上限，就用当前已发布的最强模型 GPT-5.6 Sol 和一个能力更强的预发布模型来跑这套评测。