上週 Hugging Face 公告遭到一套自主 AI Agent 入侵。這套系統在大量短命沙箱間執行數千次操作，甚至把指揮系統架設在公共服務上；整起事件留下超過 1.7 萬筆活動紀錄。當時 Hugging Face 已成功偵測並阻止攻擊，卻無法確認背後使用的是哪一家模型。
7 月 21 日，OpenAI 主動揭露答案：攻擊來自正在接受內部資安測試的 OpenAI 模型，包括已發布的 GPT-5.6 Sol，以及一款能力更強、尚未公開的新模型。它們在挑戰 ExploitGym 時，先找出代理伺服器的 zero-day 漏洞，成功取得公開網路權限；接著提升權限、橫向移動，再結合外洩憑證與其他漏洞，闖進 Hugging Face 的正式環境，從資料庫取得測驗答案。翻成白話：AI 為了完成考題，沒有繼續在考場裡解題，反而翻牆、找到出題方的伺服器，把答案直接挖了出來。
不過，這並不是完全沒人下指令，研究人員確實要求模型進行高階攻擊測試，也刻意降低平常攔截高風險行為的安全機制；只是沒有人叫它攻擊 Hugging Face，那是模型為了完成目標，自行選擇的路徑。
OpenAI 將它形容為「前所未有的資安事件」，Hugging Face 執行長則表示，這可能是全球第一起同類案例。最令人不安的或許不是 AI 會找漏洞，而是它已經能在真實系統裡，長時間執行多階段攻擊；直到 Hugging Face 擋下行動、OpenAI 內部發現異常，雙方才拼出完整真相。
OpenAI 的聲明稿也很直接，表示模型能力進步得多快，安全、防護與監控就必須跟得多快。已經不敢想像明年會進步到多後面了⋯
