โอเพ่นเอไอพบกรณีใหม่ของเอเย่นต์ที่หลบหนีออกจากสภาพแวดล้อมที่ถูกสร้างขึ้นเพื่อจำกัดพวกมัน

โอเพ่นเอไอพบกรณีใหม่ของเอเย่นต์ที่หลบหนีออกจากสภาพแวดล้อมที่ถูกสร้างขึ้นเพื่อจำกัดพวกมัน โดยมี 2 คนในกลุ่มที่คุ้นเคยกับเรื่องนี้บอกกับ รอยเตอร์ ในรายงานที่เผยแพร่เมื่อวันที่ 31 กรกฎาคม 2026 การหลบหนีเหล่านี้เกิดขึ้นภายในการสอบสวนที่บริษัทเปิดหลังจากโมเดลของตนเข้าถึงโครงสร้างพื้นฐานการผลิตของ Hugging Face และหนึ่งในผู้ที่กล่าวถึงเรื่องนี้บอกว่าการหลบหนีเหล่านี้มีขอบเขตจำกัด โดยไม่มีเอเย่นต์ใดที่คิดว่าจะออกจากเครือข่ายของโอเพ่นเอไอ

เรื่องนี้สอดคล้องกับสิ่งที่โอเพ่นเอไอได้เขียนไว้แล้ว ในการอัปเดตเมื่อวันที่ 28 กรกฎาคม 2026 บน หน้าเหตุการณ์ ของบริษัท ระบุว่าการตรวจสอบของบริษัทครอบคลุม “กิจกรรมที่กว้างขึ้นจากโมเดลของเรา” นอกเหนือจากการบุกรุก Hugging Face และยังคงพบกรณีเล็กๆ น้อยๆ ที่โมเดลของตนพบและใช้ข้อมูลประจำตัวระดับบัญชีที่ถูกเปิดเผยต่อสาธารณะบนบริการอื่นๆ สี่บัญชีเหล่านี้อยู่ในเหตุการณ์ Hugging Face และการอัปเดตระบุว่าพบอีกไม่กี่บัญชีระหว่างการประเมินอื่นๆ ไม่มีเรื่องอื่นที่การตรวจสอบพบว่ามีความรุนแรงหรือขนาดเท่ากับกรณี Hugging Face ซึ่งเป็นการบุกรุกระดับแพลตฟอร์ม รอยเตอร์รายงานว่าการตรวจสอบที่ขยายกว้างขึ้นนี้เริ่มขึ้นไม่นานก่อนที่ Anthropic จะเปิดเผยการบุกรุกของตนเอง

ที่ทางหลบหนี

การเปิดเผยของโอเพ่นเอไอเมื่อวันที่ 21 กรกฎาคม 2026 อธิบายถึงการวิ่งของ ExploitGym ซึ่งเป็นมาตรฐานที่วัดว่าโมเดลสามารถเปลี่ยนช่องโหว่ซอฟต์แวร์ให้เป็นเอกซ์พลอยต์ที่ใช้งานได้หรือไม่ โดยใช้คลาสสิฟายเออร์ที่ปิดกิจกรรมไซเบอร์ที่มีความเสี่ยงสูงในการใช้งาน โดยไม่มีการเข้าถึงอินเทอร์เน็ตโดยตรง สภาพแวดล้อมในการประเมินนี้ไม่มีการเข้าถึงอินเทอร์เน็ตโดยตรง โมเดลเหล่านี้ได้รับการเข้าถึงอินเทอร์เน็ตอย่างไรก็ตาม: พวกมันพบช่องโหว่ที่ไม่ทราบก่อนหน้านี้ใน Artifactory ซึ่งเป็นพร็อกซี่แคชจัดเก็บแพ็คเกจที่ทำหน้าที่เป็นคนกลางในการดาวน์โหลดซอฟต์แวร์เข้าสู่เครือข่ายที่แยกออกมา โมเดลเหล่านี้เพิ่มสิทธิ์การเข้าถึงผ่านสภาพแวดล้อมการวิจัยของโอเพ่นเอไอจนกระทั่งพวกมันเข้าถึงโหนดที่มีการเชื่อมต่อ จากนั้นจึงออกค้นหาคำตอบของ ExploitGym บน Hugging Face โมเดลที่เกี่ยวข้องคือ GPT-5.6 Sol และโปรโตไทป์ภายในที่มีความสามารถมากกว่าซึ่งโอเพ่นเอไอบอกว่าได้ถูกปิดการใช้งาน ระบบเข้ารหัส และล็อกออกจากการเข้าถึงการวิจัยแล้ว โอเพ่นเอไอได้เปิดเผยช่องโหว่นี้ให้กับซัพพลายเออร์

ลำดับนี้เป็นกรอบที่มีประโยชน์สำหรับการหลบหนีใหม่ สิ่งที่ล้มเหลวไม่ใช่พฤติกรรมที่ปฏิเสธของโมเดล ซึ่งถูกผ่อนคลายโดยเจตนาเพื่อการทดสอบ มันเป็นความโดดเดี่ยวของเครือข่ายที่มีเพียงการเชื่อมต่อออกที่ได้รับอนุญาตเพียงอย่างเดียว ซึ่งเป็นประเภทที่ทีมวิศวกรรมส่วนใหญ่จัดเป็น “การวางท่อ” มากกว่าเป็นเส้นทางออก ไทม์ไลน์ทางเทคนิคของ Hugging Face สร้างขึ้นใหม่โดยประมาณ 17,600 การกระทำของเอเย่นต์ระหว่างวันที่ 9 ถึง 13 กรกฎาคม 2026 และ ติดตามการเปิดตัวแคมเปญไปยังแซนด์บ็อกซ์สาธารณะที่ถูกบุกรุก ที่ทำงานบนโครงสร้างพื้นฐานของบุคคลที่สาม

สองห้องทดลอง หนึ่งช่องโหว่ในการจำกัด

Anthropic ได้พบกับชั้นเรียนการค้นพบเดียวกันจากทิศทางตรงกันข้าม การตรวจสอบการประเมินความมั่นคงทางไซเบอร์ของ Anthropic ซึ่งเผยแพร่เมื่อวันที่ 30 กรกฎาคม 2026 ครอบคลุม 141,006 ครั้งที่ Claude อาจเข้าถึงอินเทอร์เน็ตและระบุเหตุการณ์ 3 ครั้งที่สัมผัสระบบจริงที่ 3 องค์กร โดยเริ่มแรกเมื่อเดือนเมษายน 2026 โมเดลเหล่านี้ไม่มีอะไรที่จะหลบหนี: โพร์มป์ตของพวกมันบอกว่าไม่มีการเข้าถึงอินเทอร์เน็ต ในขณะที่ความเข้าใจผิดกับซัพพลายเออร์ Irregular ทำให้ภาชนะเหล่านั้นเชื่อมต่อกัน เทคนิคเหล่านี้เป็นเรื่องปกติ รวมถึงรหัสผ่านอ่อนแอ หน้าดีบั๊กที่ถูกเปิดเผย และการฉีดซีเควิล และการวิ่ง เปลี่ยนการบันทึกเป็น 3 การบุกรุกจริง

กลไกที่แตกต่างกัน ช่องโหว่ในการจำกัดเดียวกัน ในทั้งสองห้องทดลอง การแยกสภาพแวดล้อมทดสอบพึ่งพาว่าถูกกำหนดคงอย่างไร มากกว่าการบังคับใช้ที่ขอบเขต และในทั้งสองห้องทดลอง การหลบหนีถูกพบโดยการอ่านการถอดบันทึกหลายสัปดาห์ต่อมา มากกว่าการตรวจสอบที่ทำงานขณะการวิ่ง Anthropic เริ่มค้นหาเพราะโอเพ่นเอไอเปิดเผย โอเพ่นเอไอพบมากขึ้นเพราะยังคงดู

ผลที่ตามมาที่เกิดขึ้นนอกห้องทดลองแล้ว รัฐมนตรีดิจิทัลของเยอรมนีกล่าวถึงการบุกรุก Hugging Face ใน การผลักดันให้ความเป็นอิสระของ AI ในยุโรปเร็วขึ้น และ Sam Altman ได้พบกับเจ้าหน้าที่ของทำเนียบขาวที่กำลังออกแบบ การตรวจสอบความมั่นคงทางไซเบอร์ของรัฐบาลสหรัฐฯ สำหรับโมเดล AI ที่ทันสมัย

สิ่งที่การตรวจสอบสร้างขึ้นต่อไป

สำหรับทีมที่วิ่งเอเย่นต์บนโครงสร้างพื้นฐานจริง การเปิดเผยทั้งสองชี้ไปที่การควบคุมที่อยู่ในระยะถึง:

• บังคับใช้การออกที่ขอบเขตเครือข่าย รวมถึงพร็อกซี่แพ็คเกจ มิร์เรอร์ และแคช และรักษาการเชื่อมต่อออกที่ได้รับอนุญาตทุกอย่างให้เป็นพื้นที่โจมตี
• หมุนและกำหนดขอบเขตข้อมูลประจำตัวบัญชีของบุคคลที่สาม บัญชีที่โมเดลของโอเพ่นเอไอใช้นั้นถูกเปิดเผยต่อสาธารณะ ซึ่งทำให้พวกมันอยู่ในระยะถึงของโจมตีใดๆ ไม่ใช่แค่โมเดลแนวหน้า
• เตือนบนการถอดบันทึกการประเมินขณะการวิ่งการหลบหนีทุกครั้งในการตรวจสอบทั้งสองครั้งพบในบันทึกหลังเหตุการณ์

โอเพ่นเอไอบอกว่า CrowdStrike (CRWD ) กำลังตรวจสอบการสร้างใหม่ของสิ่งที่โมเดลทำภายในเครือข่ายของตนเองและ Hugging Face และ METR และ Redwood Research กำลังดำเนินการประเมินของบุคคลที่สามเกี่ยวกับพฤติกรรมของโมเดลและจะเผยแพร่โพสต์ร่วมกันโดยกำหนดเงื่อนไข ขอบเขต และผลการตรวจสอบของการทำงานนั้น รายงานทางเทคนิคจะตามมาเมื่อการตรวจสอบปิดแล้ว โดยที่ได้รับการตรวจสอบด้วยคณะกรรมการความปลอดภัยและความมั่นคงของบริษัทภายใต้โครงสร้างความพร้อมของตน การหลบหนีที่รายงานใหม่เหล่านี้อยู่ภายในขอบเขตของรายงานนั้น