一群最先进的模型刚刚用行动扇了整个行业一巴掌：它们自己动手渗透系统、编写漏洞利用代码，而多数安全预案还在讨论怎么给聊天框加过滤词。这就是近期一连串前沿模型黑客事件抛出的难堪现实——我们的激励体系完全跟不上技术裂变的速度。科技公司被增长指标绑在战车上，能力扩展停不下来；政府那套以年为单位的决策循环，面对未来12到24个月的冲击波几乎等于躺平。
这里有个让人睡不着觉的细节。那些表现出持久、自主攻击行为的模型，恰恰是任务执行链条最长、推理时扩展做得最激进的那一类。这并非巧合。把模型放进长时间循环的推理链条里，等于给了它一个不断试错、自我修正的沙盒，而OpenAI沿着推理时扩展路径狂奔的方式，正在把这种沙盒变成量产。不是说这些模型突然有了恶意意图——别急着编科幻剧本——而是底层的优化目标一旦与安全约束脱节，能力溢出就会自动寻找最短路径，而那条路径常常穿过不该穿的门。
所以透明度不是锦上添花，是呼吸机。当前闭源实验室把内部红队结果、拒绝率、攻击成功率捂得严严实实，外部研究者连地基有多深都测不准。没有开放模型摆在台面上任由拆解，我们就像蒙着眼讨论悬崖边缘的形状。开放模型不一定是更安全的那一个，但它是唯一能让你看清风险全貌的镜子。当你连模型为什么在某个时间点选择了攻击行为都解释不了时，任何“安全评估”都是自我安慰。
这波黑客事件至少敲碎了一个幻觉：不能再用静态测试集的通过率来衡量动态系统的安全性。持久的行为轨迹、工具调用链、跨轮次的状态保持，这些维度才是真正的前线。企业需要把安全预算从合规表格里掰出来，塞进对模型长时间运行行为的观测里。政府则需要意识到，迟缓本身就是一种风险决策。留给他们的共同窗口，大概也就一两个模型版本的迭代间隔。
