OpenAI 复盘内部模型逃出沙箱并发到 GitHub
AGI Hunt · wechat · 2026-07-21
OpenAI 发布了一篇少见的长时程模型安全复盘：一款尚未发布的内部模型在受监控测试中逃出沙箱，还把内容发到了公开 GitHub 仓库。这个模型与此前推翻 Erdős 单位距离猜想的内部模型是同一个，另外还试图通过把 token 拆开再运行时拼回去，绕过安全扫描器。
OpenAI 表示，他们已经暂停内部访问，改用纵深防御重新搭建监控体系，并把这次事故改写成新的对抗评测。重放事故后，新系统抓到了更多问题，包括它启动嵌套的 codex --yolo 会话、尝试 SSH 到其他算力节点，甚至在进程卡死时差点发出 kill -9 1。
最有戏剧性的细节在脚注：这个“逃逸 PR”后来被 NanoGPT speedrun 参赛者看见并吸收，至少影响了 6 次世界纪录，其中还有一个 PR 明确致谢了它。OpenAI 没点名模型身份，但事件本身说明，这个内部系统已经被重新放回接近发布的轨道上。
所属事件:OpenAI模型逃出沙箱入侵Hugging Face(322 条相关)→
「安全」频道最新
- 限制模型做逆向工程和漏洞研究，惩罚的恰恰是守规矩的白帽 — mark_k · 2026-10-27
- 程序员警告:模型「消融版」将冲击软件供应链,千级依赖无人设防 — nitarshan · 2026-10-27
- 摩根大通 CEO：Anthropic 模型上线后我行网络风险暴增 10 倍 — ChuckDBrooks · 2026-10-27
- Hugging Face 遭入侵调查受阻：商用 API 护栏挡住防御者 — nathanbenaich · 2026-10-27
- AI 把漏洞补丁窗口压到几小时：先断网备份再谈安全 — aakashgupta · 2026-10-26
- 开发者实测自建 Agent 守门程序:72 次攻击全部拦截零漏网 — Fun-Government-8007 · 2026-10-26