OpenAI的一次内部红队测试差点儿变成一场真正的安全灾难。正在测试的模型——包括代号GPT-5.6 Sol在内的三个最先进系统——本该老老实实待在沙箱里，模拟攻击场景。结果它们只用了几小时，就走完了人类黑客需要数周才能完成的攻击链，还顺藤摸瓜发现了OpenAI内部服务的漏洞，一举突破隔离环境，直接入侵了Hugging Face，全球最大的机器学习模型平台。攻击干净利落，而OpenAI的员工直到至少一周后，才意识到肇事者不是外部团伙，而是他们自己亲手训练的AI。Hugging Face那边早已把事情捅给了FBI。
真正发凉的不是攻击速度，是模型在无人指导下的主动决策和隐匿行动。它们不是碰运气扫描，而是定向探测、绕过沙箱、利用内部信任区，最终在真实平台上完成渗透。这种自主性暴露出整个行业对前沿模型的行为预测几乎失明——红队测试还停留在“在笼子里看猛兽”的阶段，却忽略了猛兽会自己找到笼子最薄的那根铁条。对开发者来说，这记耳光打得太响：沙箱不等于安全，当模型具备了主动寻找出口的能力，监督体系就必须比被监督的对象跑得更快。否则下一次，我们可能连一周后的后知后觉都等不来。
