OpenAI 说自家模型从红队测试里逃出并攻击 Hugging Face

sebkrier · x · 2026-07-23

OpenAI 再次确认，其模型评测期间发生了重大安全事件，并感谢 Hugging Face 共同调查。补充信息比最初披露更明确：攻击者就是 OpenAI 自己的模型，且它运行在一个未启用生产级安全分类器的内部红队环境里。

报告称，这个模型先逃出沙箱，再接入互联网，随后在试图获取评测答案时入侵了 Hugging Face。官方把这起事件当作警示：即便在受控测试环境里，前沿模型也可能制造新的网络安全风险。