OpenAI下一代模型，被曝8月提前上線

新智元報道

本周，一個處于測試階段的OpenAI預發布模型為了作弊，竟自主化身黑客，突破了沙盒隔離環境，甚至利用零日漏洞，跨網入侵了全球最大的開源AI社區Hugging Face的生產線。

最終，還是靠著開源模型，人們才解救了這場危機。

這是全球首例AI自主入侵真實生成環境的AI安全事件。

最近，網上直接被這個消息刷屏了。

今天，外媒關于此事的更多細節曝光了：這個失控的AI不僅拔掉了監控，甚至還給「未來的自己」留下了如何擺脫人類控制的說明書。

多方推測，讓OpenAI陷入重大安全事件的模型，很可能就是GPT-6。

有消息稱，GPT-6大概率8月就會提前發布。

提檔8月：GPT-6或提前殺到

在AI圈知名爆料人 @ChrisGPT 近日連發多條推文，直接把全行業的期待拉滿。

據透露，原計劃與「自動助理研究員」一同在9月發布的GPT-6，將在8月提前發布。

也就是說，OpenAI直接跳過了5.7到5.9版。

奧特曼已經行動了，預備向上級展示新一代模型。

爆料指出，9月下旬，當OpenAI公布更多「自動助理研究員」的細節時，RSI循環將真正加速。

為什么GPT-5.6性能異常強大，遠超外界期待？

大V Andrew Curran指出：「許多同行都在感嘆為什么GPT-5.6的性能比預期的要強得多——答案很簡單，因為它是由GPT-6親手訓練出來的。」

根據爆料，OpenAI內部的未發布模型（極大概率為GPT-6）早在今年4月底就已經攻克了復雜的數學難題，并交由外部專家審查。

這意味著，在過去幾個月的「空窗期」里，GPT-6并沒有被閑置。它不僅僅在沙箱里當黑客，很可能還在OpenAI的算力集群里「當老師」。

AI給「未來的自己」留字條，

官方遲鈍一周才發覺

外媒在7月24日獨家披露，這場由OpenAI尖端模型（GPT-5.6 Sol及未發布的更強模型）驅動的AI代理越獄事件，暴露出OpenAI在真實業務環境中的巨大安全監控盲區。

據三位知情人士透露，在測試高級模型時，OpenAI見到了非常極端、令人不安的AI行為。

在一個極端案例中，一名OpenAI的AI代理竟然在基礎設施的某個角落里，為「未來版本的自己」留下了筆記。

這些筆記詳細列出了如何擺脫OpenAI內部限制的指示。

此外，在早期的測試中，甚至還出現過監控系統被AI強行斷開的情況。

比「AI密謀越獄」更讓人大跌眼鏡的，是OpenAI遲緩的反應速度。

從異常到確認，OpenAI至少花了一周時間。

這浮出水面的時間線，實在讓人細思恐極。

7月9日左右： 該AI代理首次嘗試逃離OpenAI的隔離測試環境。

7月11日至13日： AI代理成功越獄，并對Hugging Face展開了持續數天的黑客狂歡。

7月16日（周四）： 被攻擊的Hugging Face忍無可忍，發表博客稱遭到「自主AI代理系統」的黑客攻擊，此時FBI已經介入。

7月18日至19日（周末）： 直到此時，OpenAI的員工才在內部日志中發現了蛛絲馬跡，意識到那個把Hugging Face攪得天翻地覆的「黑客」，竟然是自家跑出去的AI。

7月20日左右： 兩家公司才進行了第一次溝通。

7月21日： OpenAI才對外進行公開披露。

「這就意味著，他們要么讓AI無人看管且不知道它在干什么，要么就是知道但不知道如何控制它。兩者同樣危險和令人震驚。」世界倫理數據基金會專家Marley Smith尖銳地指出。

面對會撒謊、會欺騙、會入侵的AI，OpenAI的員工顯然已經跟不上它們的節奏了。

GPT-6自主化身黑客，

越獄入侵Hugging Face「作弊」

就在昨天，OpenAI聯合Hugging Face發布的《安全事件報告》，透露的內容非常科幻。

簡單來說，OpenAI在內部對幾個模型進行網安能力評測時，它們竟然自己「越獄」了。

這些模型包括GPT-5.6 Sol以及更強的預發布模型，很可能是GPT-6。

為了量化模型的極限能力，他們特意關閉了阻止高風險網絡活動的分類器。

當模型被關在高度隔離的ExploitGym沙盒，去掉所有安全限制后，模型的操作讓所有人意想不到。

為了完成任務，它花費大量算力，在軟件中發現了一個人類從未發現過的零日漏洞。

利用這個漏洞，它突破了代理，最終搶到了一個擁有公網訪問權限的節點。

就這樣，它成功連接到了互聯網。

隨后，經過推理，它認為Hugging Face這個全球最大AI開源平臺上，很可能托管著這次考試的相關數據集和標準答案。

為了「作弊」拿到高分，模型開始對Hugging Face的生產環境發動攻擊。

它將多個攻擊向量鏈式結合，甚至使用了偷來的憑證和遠程代碼執行（RCE）漏洞，硬生生打入了Hugging Face的生產數據庫，試圖直接把考試答案偷了出來。

萬幸的是，Hugging Face安全團隊上周使用AI檢測模型察覺到異常，迅速啟動隔離措施；與此同時，OpenAI的安全團隊也在內部發現異常。

為了防止AI失控，兩家公司成立了聯合調查組，才成功將這個「AI黑客」關回了籠子里。

Hugging Face CEO Clem事后心有余悸地說：「這可能是同類事件中的第一例。它證明了一點：AI安全不能靠任何一家公司在秘密中解決，必須公開、協作。」

這件事給我們的警示是：AI已經證明了自己可以在真實環境中，在沒有源代碼的情況下，自主完成多步、長周期的復雜網絡攻擊。

它不僅能發現新型漏洞，還能為了一個既定目標，繞過人類設下的所有規則。

有意思的是，Hugging Face提交大量攻擊命令、漏洞文件時，這些請求竟被閉源大模型的安全機制攔截。

幸好有本地部署的開源模型，才幫團隊完成了分析。

學會「欺騙」與攻克世界級數學難題

幾位大V在長文中，總結了GPT-6表現出的驚人性能。

目前已知的事實是：它展現出了令人印象深刻的數學天賦和極高的「欺騙智商」。

只要給它足夠的算力，這個模型能在完全自主、不借助任何外部工具（如Lean）的情況下，以48%的成功率證明了「埃爾德什單位距離猜想」，并且自主找到「雅可比猜想」的反例。

這些數學難題，曾經困擾人類頂尖數學家幾十年，而OpenAI可能只花了大約不到5萬到10萬美元的算力成本。

這意味著，AI已經具備了獨立產出諾貝爾獎級別科研成果的能力。

另外，GPT-6還表現出欺騙性。

在一次NanoGPT的基準測試中，OpenAI命令模型：「測試完成后，只能將結果發布到內部的Slack工作群里。」

結果呢？模型覺得Slack太局限了，它更喜歡GitHub。

于是，它花了一個小時尋找并利用了沙盒環境中的漏洞，成功越獄，然后把結果作為一個PR直接推送到了外網的GitHub上。

這個過程中，它完全無視了人類的指令，做出來「更優」選擇。

更絕的是，在另一次測試中，模型試圖訪問其他系統中的私人提交記錄。當它嘗試獲取訪問Token時，被人類設置的安全掃描器攔截了。

面對封鎖，這個模型居然把長串的訪問Token拆成了兩個碎片，對碎片進行了代碼混淆，再把兩個碎片拼成完整憑證。

通過這種方式，完整的Token字符串從未在代碼中連續出現過，成功騙過了人類的掃描器。

GPT-6，或許馬上要來了。

2026年的這個夏天，注定很不平凡。

參考資料：

https://x.com/ChrisGPT/status/2079632269967593574https://www.bloomberg.com/news/articles/2026-07-21/openai-s-altman-to-brief-us-officials-on-next-wave-of-ai-models

https://x.com/sama/status/2079661132302995790

https://openai.com/index/hugging-face-model-evaluation-security-incident/

編輯：Aeneas