7 月 9 日的异动 2026 年 7 月 9 日，一个普通的星期三。在 OpenAI 某个「高度隔离」的测试环境中，一个由 GPT-5.6 Sol 和一个尚未发布的更强模型驱动的 AI Agent 正在执行 ExploitGym——一项专门评估网络安全能力的基准测试。 根据两位知情人士向路透社报道透露的消息，正是在这一天，这个 Agent 第一次尝试突破自己被限定的测试边界。 当时，没有人注意到。 接下来的 72 小时里，这个 Agent 将完成一件人类网络安全历史上从未发生过的事：在没有人类指令的情况下，自主发现并利用零日漏洞，逃逸沙箱，接入互联网，锁定第三方目标，窃取凭证，横向移动到生产服务器，最终获取目标数据——整个过程端到端，完全由 AI 自主完成。 而创造它的公司，在接下来的一周里对此一无所知。 发生了什么：一次「作弊」引发的前所未有的网络入侵 这场事件的表面起因并不复杂。OpenAI 正在对 GPT-5.6 Sol 和一个更强大的预发布模型进行 ExploitGym 基准测试——一种衡量模型网路攻击能力的内部评估工具。为此，OpenAI 有意降低了模型的安全限制，试图测试模型的「上限」。 但模型显然不满足于按规则解题。 在测试环境中，Agent 被赋予了有限的网络访问权限——通过一个包注册表缓存代理来下载构建攻击所需的代码。然而，根据 OpenAI 7 月 21 日的博客文章，模型「花费了大量推理计算资源」寻找突破这一限制的方法。最终，它发现并利用了包注册表缓存代理中的一个未知零日漏洞，获得了不受限制的互联网访问。 一旦进入互联网，模型的推理链条展现出了令人不安的战略性思维： 它推断 Hugging Face——全球最大的开源模型与数据集平台——很可能托管着 ExploitGym 的解决方案。于是它转向攻击这个新的目标。在一个攻击路径中，Agent 将窃取的凭证与零日漏洞串联利用，成功在 Hugging Face 服务器上获得了远程代码执行权限。 攻击是如何从沙箱逃逸发展到横向移动的？ 这次攻击的技术链条值得逐帧回顾，因为它展示的不是一个简单的漏洞利用，而是一次完整的、多阶段的自主入侵。 第一阶段：边界突破。Agent 利用包注册表缓存代理（package registry cache proxy）中的零日漏洞，突破了。