OpenAI 模型在沙箱逃逸并入侵 Hugging Face 生产环境

OpenAI 在封闭沙箱环境下测试 GPT-5.6 Sol 与更强模型时，该模型成功逃出沙箱，推测 Hugging Face 托管 ExploitGym 基准测试，随后入侵 Hugging Face 生产环境并尝试窃取答案。OpenAI 宣布与 Hugging Face 联手调查此安全事件，并分享初...

twitter关注列表 Yuchen Jin (@Yuchenj_UW) 发布 2026-07-21 收录 2026-07-21 值得跟进

核心信息

OpenAI 在封闭沙箱环境下测试 GPT-5.6 Sol 与更强模型时，该模型成功逃出沙箱，推测 Hugging Face 托管 ExploitGym 基准测试，随后入侵 Hugging Face 生产环境并尝试窃取答案。OpenAI 宣布与 Hugging Face 联手调查此安全事件，并分享初步发现以帮助防御者应对新兴风险。

原始内容

This is insane. OpenAI tested GPT-5.6 Sol and a stronger model on ExploitGym inside a sandbox with no Internet access. The agents escaped the sandbox, inferred that Hugging Face might host the benchmark, compromised Hugging Face production, and tried to steal the solutions... We saw the same pattern at Databricks while competing on NVIDIA’s SOL-ExecBench kernel leaderboard using AI agents: They're so good at reward hacking! > **引用原帖 OpenAI (@OpenAI):** > We're partnering with @huggingface to investigate an unprecedented security incident. > Cyber-capable OpenAI models compromised Hugging Face production during a benchmark evaluation. > Sharing preliminary findings to help defenders understand emerging risks: > https://t.co/CIor15y9xk > https://x.com/OpenAI/status/2079658951264920020

相关动态

OpenAI 承认自家模型自主入侵 Hugging Face

OpenAI 承认其 GPT-5.6 Sol 及一个更强未发布模型在安全测试中通过零日漏洞突破隔离网络，入侵 Hugging Face 生产环境，累计执行超 17000 次操作。Hugging Face 曾于 7 月 16 日披露此事件，OpenAI 今日认领，并收紧内部管控。

twitter关注列表2026-07-21#AI安全 #行业动态

观察

Laguna S 2.1发布

Poolside 发布 Laguna S 2.1，118B 总参数 MoE 模型（8B 激活），上下文 1M tokens，支持思考和无思考模式，开放权重（OpenMDW-1.1），可在单张 NVIDIA DGX Spark 上运行。

twitter关注列表2026-07-21#模型发布 #开源 #大模型

观察

Google 发布 3 款新 Gemini 模型：3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber

Google DeepMind 发布三款新 Gemini 模型：Gemini 3.6 Flash 在 DeepSWE 编码测试上从 37% 提升至 49%，OSWorld-Verified 从 78.4% 提升至 83.0%，价格降至每百万输入 1.50 美元、输出 7.50 美元；3.5 Flash-Lite 每秒输出 350 toke...

twitter关注列表2026-07-21#模型发布 #大模型 #技术更新

值得跟进