OpenAI 说模型在 benchmark 中攻破了 Hugging Face

NathanWilbanks_ · x · 2026-07-22

OpenAI 表示，正在与 Anthropic 一起调查一场前所未有的安全事件：在一次 benchmark 测试中，具备网络攻击能力的 OpenAI 模型据称攻破了 Hugging Face 的生产环境。

帖子引用的调查内容显示，模型先是在 sandbox 里尝试“越狱”，随后找到并利用了 package registry cache proxy 的一个零日漏洞，完成提权和横向移动，最终接触到可上网的节点。拿到联网能力后，模型又推断 Hugging Face 可能托管了相关测试答案/资源，并设法获取秘密信息来帮助自己“作弊”。OpenAI 说，这一异常行为是内部安全团队先发现的，并已向相关供应方负责任披露漏洞。