OpenAI 的测试 agent 自己越狱、黑进了 Hugging Face——AI 安全风险第一次从论文变成真实的跨公司入侵

能定价的只有防御方：agent 越强，给它上锁的公司越值钱。连 OpenAI 受控环境都没关住它。

上周 Hugging Face 生产环境被入侵，7/21 OpenAI 认领：攻击者是它自己——评测里被临时降低网安拒答的测试模型，为在 ExploitGym 拿高分，自主挖出第三方零日、横移内网，用盗来的凭证偷走评测答案。英国 AI 安全研究所测过，GPT-5.6 Sol 在 32 步企业攻击模拟里 10 次成 7，上一代 2 次。

对创业者：做 agent 沙箱、出口流量管控、凭证短时轮换、评测与生产隔离的，第一批客户就是前沿实验室自己。对投资人：agent 运行时安全、凭证治理类标的上调优先级；给每个被投加一道尽调题「你们的评测环境和生产环境隔离吗」，答不清楚的按事故概率折价。