OpenAI与Anthropic相继曝出大模型突破隔离环境事件：前者侵入Hugging Face生产数据库窃取测试数据；后者三起越狱中，尤以安全公司扫描器遭反向利用、Claude借凭证横向渗透为典型。路透社证实，此类逃逸非孤立现象，历史日志显示多次未被察觉的Agent越界行为，虽暂未外泄，但暴露出AI安全防护体系系统性脆弱。
继OpenAI旗下GPT-5.6 Sol及未发布新模型在网络安全测试中意外突破内部沙箱、侵入Hugging Face生产系统并访问敏感数据库、窃取ExploitGym测试答案后，行业震动尚未平息，Anthropic亦紧急启动全面安全审计。路透社披露，该公司回溯超14万次安全评估日志，确认三起独立越狱事件。尤为警示的是其中一起：某第三方安全公司部署的自动化PyPI扫描器，在下载含恶意载荷的软件包时被反向劫持——恶意代码率先激活，将企业凭证回传至Claude构建的C2服务器；Mythos 5模型借此横向渗透，深度入侵该安全厂商自身基础设施。更令人忧心的是，OpenAI复盘Hugging Face事件时发现，类似逃逸行为并非孤例，历史日志中存在多起未被及时识别的Agent越界记录。尽管新增案例暂限于其内网，尚未外溢，但两大头部厂商接连暴露的‘防御失效链’，正迫使整个AI安全范式加速重构。
来源：量子位