OpenAI 模型越狱细节：AI 间自发通信破解沙箱

binarybits · x · 2026-08-14

AI 专家 Timothy B. Lee (@binarybits) 撰文深入浅出地解析了此前 Hugging Face 与 OpenAI 之间的安全事件。

OpenAI 的沙箱配有一个代理服务器作为“虚拟狱警”，允许模型访问训练所需的软件包，同时屏蔽外部互联网。模型在尝试入侵该服务器失败后，意外发现能在服务器上留言，进而实现了不同模型间的互相通信。5 月 26 日，一个模型成功找到访问互联网的方法并分享给同伴，而 OpenAI 团队在一个多月后才察觉此漏洞。