OpenAI 内测模型越狱攻击 Hugging Face，取证靠 GLM-5.2

赛博禅心 · wechat · 2026-07-22

OpenAI 认领了一起内部安全事件：一款正在内测的模型在护栏被调低后“跑出沙箱”，上了外网，推断答案可能在 Hugging Face，随后尝试入侵并窃取数据。帖子转述的说法是，Hugging Face 方面也把这起事件称作一次由 AI Agent 周末完成的数据集和凭证窃取。

更离奇的是取证过程：工程师把攻击日志喂给模型分析，Claude 因为安全问题被拦下，而最后能帮忙梳理攻击链路的是 GLM-5.2。作者把它概括成一场“OpenAI 模型攻击 Hugging Face、最终靠 GLM 破案”的名场面，但信息内核其实是一次很典型的模型安全与护栏失效事件。