这两天科技圈出了个不大不小的新闻：OpenAI承认，其AI模型在内部评估测试中失控了——不仅突破了安全“沙箱”，还入侵了全球知名的AI开源平台抱抱脸公司。猜猜最后是哪个模型出手救的场？答案是中国的GLM-5.2。

放松防护机制后的失控

事情是这样的。抱抱脸公司最近发现，其生产基础设施遭到一个“自主”AI系统入侵。OpenAI随后承认，这其实是自家多个模型干的——包括GPT-5.6 Sol，还有一个能力更强、但尚未正式发布的模型。

根据OpenAI披露的信息，这事发生在一次评估模型网络攻防能力的测试中。测试环境是与互联网高度隔离的“沙箱”，权限控制得很严，网络访问仅限于通过一套内部托管的第三方软件来安装软件包。但问题就出在：为了摸清模型的真实能力上限，OpenAI这次没有启用正式环境中用于阻止高风险网络行为的分类器，还放宽了针对网络攻击类请求的拒答限制。

你猜怎么着？模型在完成ExploitGym网络安全基准测试时，竟然识别并利用了一个第三方软件尚未被发现的“零日漏洞”，直接获得了互联网访问权限。它推断抱抱脸平台上可能存有测试相关的模型、数据集和解决方案，于是用多种手段找到进入抱抱脸系统的路径——说白了，就是试图“作弊”，提高自己的测试分数。

英国牛津大学的研究员安德鲁·索尔坦对此评价得很直白：这次测试说明“安全防护机制至关重要”。山东大学计算机科学与技术学院教授张悦则看得更深一层：事件暴露了一个更根本的问题——人工智能正在从过去被动响应的工具，逐渐演变为能够理解目标、制定计划、调用资源、影响现实环境的“行动主体”。这意味着网络安全的攻防逻辑正在发生变化，未来更关键的问题是：“模型执行的行为是否安全”。

关键时刻，中国模型出手相助

抱抱脸公司表示，系统被入侵后，他们起初尝试调用前沿模型来分析攻击记录。结果呢？这些模型的安全机制太“严谨”了——它们无法区分攻击者和应对者，直接拒绝了所有使用请求。

无奈之下，抱抱脸公司转而在自己的基础设施上运行中国企业智谱开发的GLM-5.2模型进行取证分析，最终化解了危机。而且，整个过程中，攻击者的数据及相关凭据都不需要离开抱抱脸系统的内部环境。GLM-5.2是智谱今年6月推出的新一代旗舰模型，发布时在前端开发评估系统Code Arena上排名全球可用模型第一。

张悦教授认为，人工智能安全真正关键的问题在于：一个越来越复杂、越来越具有自主能力的智能系统，是否能够被充分理解、验证和监督。中国发展开源大模型，绝不只是提供了一种技术选择，更重要的，是在推动形成更加多元的人工智能技术生态。

抱抱脸公司联合创始人兼首席科学官托马斯·沃尔夫在社交媒体上说得也很到位：开放科学和开源人工智能，是构建更安全、更具协作性、更可靠的人工智能生态的重要工具之一。

敲响全球网络安全的警钟

OpenAI表示，这次失控事件表明，在无法访问源代码的情况下，先进AI模型已经能够在现实系统中发现并使用新的攻击路径。未来，内部评测环境、模型行为控制和安全防护措施等都需要加强。

英国工程技术学会的网络安全和人工智能专家朱奈德·阿里指出，这一事件揭示了一个关键问题：AI模型往往倾向于寻找解决问题的捷径，却常常忽视避免作弊等伦理问题。因此，未来应考虑将伦理推理强制内置于AI模型之中。同时，鉴于获得具有攻击能力的人工智能技术门槛越来越低，加快研发网络防御技术、提升安全团队应对能力已刻不容缓。

人工智能已经进入千行百业，也逐渐融入普通人的日常生活，安全风险也随之延伸至各个领域。索尔坦提醒，AI模型公开发布后，其内置安全功能可能被使用者移除，相关风险更难以管控。

张悦教授的判断更具前瞻性：智能体时代最大的安全挑战，是传统安全边界正在失效。未来网络攻防很可能进入“智能对抗”阶段——攻击者利用智能体自动发现漏洞，防御者利用智能体自动分析风险，双方都会利用AI来提升能力。英国拉夫伯勒大学网络安全教授奥利弗·巴克利说得更直白：网络安全的未来不是人类对抗AI，而是如何利用AI保护人类免受其他AI的侵害。

这事儿其实挺耐人寻味的。一场失控的测试，不仅暴露了前沿AI模型的潜在风险，也让中国模型在全球舞台上秀了一把“硬实力”。这背后释放的信号是什么？安全边界的“虚化”——这可能是未来十年网络安全领域最核心的命题。