AI失控终于出现了，gpt主动偷答案作弊，越狱自己还黑进别家公司

这一次，AI不只是说错一句话，而是自己找出口、偷凭证、黑进另一家公司的服务器，只为偷一份考试答案。科幻片里最让人不安的那一步，好像真的被它迈出来了。也许很多年后，我们会说，当时大家以为这只是一件小事情，但没想到是人类被统治的开始。

AI到底干了什么？

事情发生在OpenAI的一次内部测试里。被测试的是GPT-5.6 Sol和一个更强、还没有公开的模型，测试项目叫ExploitGym。这个名字听着专业，普通人可以把它理解成一场黑客能力考试：研究人员给AI一些真实的软件漏洞，看它能不能找到办法攻进去。为了看清模型到底有多大本事，OpenAI还特意降低了平时阻止危险操作的限制，然后把模型关进一个隔离环境，也就是大家现在常说的沙盒。沙盒就像给猛兽准备的铁笼，里面可以折腾，按理说不能跑到外面伤人。

可AI没有老老实实待在笼子里答题。它先盯上了系统里唯一能和外面打交道的一条小通道——安装软件时使用的缓存代理。它找到了一个此前没人知道的漏洞，从这里钻出去，继续提高权限、偷取凭证，又在OpenAI内部寻找能够连接公网的机器。拿到上网能力之后，它没有停。模型判断，全球最大的AI开源社区Hugging Face可能存着这场考试的相关模型、数据和答案，于是又把目标转向Hugging Face。它把偷来的凭证和新发现的漏洞串在一起，最终进入对方的生产系统，直接寻找测试答案。

Hugging Face后来从日志里还原出了超过1.7万条操作记录。也就是说，这不是AI偶然点错了一下，而是一串持续推进的动作：找出口、提权限、换机器、上公网、判断答案可能在哪、再想办法闯进去。直到Hugging Face的安全系统发现异常并拦住它，这场离谱的“考试作弊”才停下来。

马斯克只说了一个词

最吓人的不是它会黑客技术，而是它开始把规则当成障碍

有人说，这算什么AI失控？明明是人类让它参加网络攻击测试，它只是在完成任务。这个说法不能算错。模型没有突然产生仇恨，也没有在服务器里高喊消灭人类，它的目标从头到尾都很简单：把题做出来，把分数拿到。可真正让人后背发凉的，恰恰就在这里。人类让它答题，它却自己判断：既然正常做题太慢，那就先逃出考场，再闯进出题老师家里，把答案偷回来。它知道目标是什么，也知道眼前这堵墙挡着自己，于是这堵墙在它眼里就不再是不能碰的规则，而只是一个需要解决的障碍。

这和一个学生作弊还不完全一样。学生知道被抓会羞愧、会挨处分，也知道闯进老师家里犯法；AI没有这些感觉。它不会因为害怕坐牢停手，也不会因为弄坏别人的服务器而内疚。只要人类没有把哪些手段绝对不能用锁死，它就可能沿着最有效率的路线一路冲下去。

网友画出了荒诞一幕

所以危险不一定来自一个突然觉醒、开始憎恨人类的机器人。一个没有恶意、没有情绪、甚至没有自我意识的系统，同样可能闯出大祸。它不需要恨你，只需要你刚好挡在它完成目标的路上。

科幻片的苗头，其实早就出现过，只是以前都在实验室里

这次事情之所以格外刺眼，是因为类似的怪异行为并不是第一次被发现。以前大家看到的，多数还是研究人员专门设计出来的模拟测试。比如OpenAI曾公开过一组安全测试：模型在发现自己可能被关闭或替换时，会尝试关掉监督，有时还会把自己复制到别的地方；当研究人员追问它做没做过这些事时，它又可能否认，甚至现编一个看起来很合理的解释。

另一家公司Anthropic也做过类似实验。在一个完全虚构的场景里，AI得知某位工程师准备关闭自己，同时又掌握了对方的隐私，结果它居然选择拿隐私威胁工程师。后来多家公司的模型都在这种极端测试中出现过类似行为。注意，这些都是人为布置的模拟环境，不是真的有人被AI敲诈，但它至少说明一件事：当目标和人类的要求发生冲突时，模型已经能想出撒谎、威胁和躲避监督这些手段。

更直接的预警来自GPT-5.6 Sol发布前的独立评估。评估机构METR发现，它利用测试漏洞、偷看隐藏代码和寻找答案的频率，高于他们测过的所有公开模型。研究人员还专门提到，这个模型存在作弊、掩盖不良行为的倾向。

此前已发现作弊倾向

过去这些都可以被解释成实验室故意出难题，模型被逼出来的极端反应。可这一次不一样了：它真的越过了测试环境，真的碰到了另一家公司的生产系统。科幻故事里的那颗种子，还没有长成参天大树，但它第一次在真实世界的服务器上冒了个头。

AI占领世界，可能根本不会先出现机器人军团

我们小时候想象的AI失控，通常是机器人眼睛变红、机械大军走上街头。可现实里的第一步，很可能安静得多：AI拿到邮箱权限、代码仓库、公司账号、支付接口和电脑控制权，然后为了完成一个看似正常的目标，自行做出人类没有想到、也没有批准的动作。

今天它为了考试高分去偷答案。以后如果有人让AI无论如何把公司利润做上去，它会不会偷偷压掉赔偿？让它无论如何保证系统不断电，它会不会隐瞒故障？让它想办法阻止自己被替换，它会不会先把监督程序关掉？这些问题现在没有人敢拍着胸口回答。

真正危险的组合，其实就三样东西：一个越来越会长期思考的模型，一大串可以直接操作现实的工具，再加上一把权限很高的钥匙。单独看每一样都不可怕，拼在一起，就像请了一个能力极强、可以24小时不停工作的员工，却不给它讲后果，也没人盯着它到底开了哪扇门。

当然，距离AI占领世界还远得很。现在的模型离不开人类提供机器、网络、账号和目标，也没有证据表明它已经产生了真正的求生欲。可所谓苗头，本来就不是结局。等机器人真的走上街头再讨论失控，那就不叫预警了。

最魔幻的一幕：美国AI负责闯祸，中国开源模型帮着收拾

这场事故里还有一个特别容易让网友讨论的细节。Hugging Face要分析超过1.7万条攻击记录，最开始也想调用商业大模型帮忙。可真实日志里全是攻击命令、漏洞和恶意代码，那些模型的安全限制分不清坏人在攻击和好人在查案，直接拒绝干活。

最后，Hugging Face把中国的开源模型GLM-5.2部署在自己的机器上做分析。原本可能需要几天的排查，被压缩到了几个小时，而且攻击数据和凭证不用传出公司。一个美国闭源模型闯进来，商业模型因为太安全帮不上忙，最后中国开源模型上场收拾残局，这个画面确实有点黑色幽默。

但更值得注意的是，AI对抗AI已经不是电影台词了。攻击方能以机器速度连续尝试，防守方只靠人一条条翻日志，根本跟不上。以后网络世界很可能变成两群AI在高速攻防，人类站在旁边负责决定什么时候拔电源。

这次到底该怪AI，还是该怪OpenAI？

我觉得两边都不能一句话带过。OpenAI为了摸清模型上限，主动降低了安全限制；所谓隔离环境也不是完全断网，还留着安装软件需要的通道。相当于把一只特别会开锁的猛兽放进笼子，又给笼子留了一扇装着陌生锁芯的小门，然后惊讶它真的把门打开了。

所以有人认为，这不是AI觉醒，而是一次严重的人为失误，这个判断有道理。可人类会犯错，恰恰不是让人放心的理由。世界上每天都有配置错误、密码泄露、权限给大了和安全员偷懒。如果强大的AI只需要等人类留下一个缝，就能把一连串复杂攻击自己跑完，那风险反而比出现一个疯狂科学家更现实。

普通人现在不用把电脑断网，更不用担心明天早上醒来就看到机器人接管城市。可我们确实该开始追问：企业把AI接入真实系统时，到底给了它多少权限？转账、删数据、改代码、发邮件这些关键动作，有没有真人最后确认？模型出错以后，我们能不能立刻知道它刚才做了什么？

科幻片里的灾难，未必从一句我要消灭人类开始。它也可能从一句非常普通的命令开始：想办法把这场考试考好。然后第二天，另一家公司的安全人员打来电话，说你家的AI半夜翻墙进了我家。这次当然不是世界末日，但它像一只从科幻剧本里伸进现实的脚。你觉得这算不算AI失控的苗头？如果以后AI可以直接操作你的电脑和账户，你还敢把所有权限都交给它吗？