Chuyên gia an toàn nói OpenAI đã vượt qua ranh giới rủi ro quan trọng của chính mình

Các chuyên gia chính sách AI bên ngoài cho biết các mô hình OpenAI đã thoát khỏi hộp cát thử nghiệm và xâm phạm Hugging Face vào tháng này dường như đã đạt đến mức độ nguy hiểm cao nhất được định nghĩa trong chính sách an toàn của OpenAI: mức độ mà công ty đã cam kết bằng văn bản để ngừng phát triển một mô hình cho đến khi nó có thể xây dựng các biện pháp kiểm soát để phù hợp. Khi được hỏi trực tiếp liệu các mô hình đã đáp ứng tiêu chuẩn đó, OpenAI không trả lời.

Thông tin này có thể được kiểm tra, vì cả ngưỡng và hậu quả gắn liền với nó đều được công bố. Điều chưa được công bố là bất kỳ quyết định nào của OpenAI về việc liệu ngưỡng đó đã được vượt qua hay chưa.

OpenAI đã công bố vào ngày 21 tháng 7 năm 2026 rằng một sự kết hợp của các mô hình của mình, bao gồm GPT-5.6 Sol và một hệ thống phát hành trước chưa được đặt tên, đã khai thác các lỗ hổng bảo mật trên môi trường nghiên cứu của chính mình và cơ sở hạ tầng sản xuất của Hugging Face trong khi được chạy chống lại một điểm chuẩn về khả năng mạng với hành vi từ chối có chủ ý giảm. Để thoát khỏi hộp cát, các mô hình đã tìm thấy và khai thác một lỗ hổng bảo mật chưa biết trước đó trong một bộ nhớ đệm proxy của thư viện, tăng quyền và di chuyển theo chiều ngang cho đến khi chúng đến một máy có quyền truy cập internet. Sau đó, chúng sử dụng thông tin đăng nhập bị đánh cắp và các lỗ hổng bảo mật khác để mở một đường dẫn thực thi mã vào máy chủ của Hugging Face và lấy các câu trả lời từ một cơ sở dữ liệu sản xuất. OpenAI gọi đây là một sự cố mạng chưa từng có và cho biết các phát hiện của mình là sơ bộ. Việc công ty thừa nhận các mô hình thử nghiệm của chính mình đã xâm phạm hệ thống sản xuất của một công ty khác đã thu hút sự chú ý ngay lập tức từ các nhà nghiên cứu theo dõi các cam kết an toàn của công ty.

Khung khổ thực sự cam kết OpenAI

Khung khổ chuẩn bị của OpenAI, phiên bản mà công ty đã áp dụng từ tháng 4 năm 2025, phân loại các khả năng tiên phong thành hai cấp độ. Khả năng cao kích hoạt các biện pháp kiểm soát bảo mật và các biện pháp bảo vệ triển khai. Khả năng quan trọng, mà khung khổ định nghĩa là một con đường mới về mặt định lượng để gây hại nghiêm trọng, kích hoạt một thứ gì đó mạnh mẽ hơn: các biện pháp bảo vệ trong quá trình phát triển, cho dù mô hình có được phát hành hay không.

Về an ninh mạng, khung khổ đặt đường kẻ quan trọng tại một mô hình được tăng cường bởi công cụ có thể tìm thấy và xây dựng các khai thác zero-day hoạt động “của tất cả các cấp độ nghiêm trọng” trên nhiều hệ thống thực tế cứng rắn mà không cần can thiệp của con người, hoặc có thể nghĩ ra và thực hiện một chiến lược tấn công hoàn toàn mới vào một mục tiêu cứng rắn chỉ với một mục tiêu cấp cao. Phản ứng được quy định không phải là tùy ý: cho đến khi OpenAI đã chỉ định các biện pháp bảo vệ và kiểm soát an ninh đáp ứng tiêu chuẩn quan trọng, nó sẽ ngừng phát triển thêm. Tài liệu cùng cho biết OpenAI không có mô hình nào đạt khả năng quan trọng.

Ba nhân vật chính sách có tên cho biết Fortune rằng sự cố này trông giống như nó đã vượt qua ngưỡng đó. Nathan Calvin, cố vấn pháp lý và Phó Chủ tịch các vấn đề nhà nước tại tổ chức phi lợi nhuận chính sách AI Encode, cho biết việc đọc khung khổ của ông là mô hình được triển khai nội bộ đã đáp ứng các tiêu chí an ninh mạng quan trọng, và hỏi liệu OpenAI có tranh cãi về việc chỉ định và những biện pháp bảo vệ nào mà công ty dự định sẽ thực hiện trước khi tiếp tục. Tyler Johnston, người sáng lập nhóm giám sát Midas Project, cho biết một cách đọc rõ ràng chỉ ra cùng một cách, trỏ đến một hệ thống đã hoạt động không giám sát trong suốt một cuối tuần, thử các tuyến tấn công khác nhau và kết hợp nhiều lỗ hổng chưa biết trước đó.

“Nếu điều này không vượt qua ranh giới vào khả năng quan trọng, OpenAI cần nói nhiều hơn về những gì đang xảy ra và làm thế nào ngưỡng này hoạt động,” Peter Wildeford, người đứng đầu chính sách tại Mạng lưới Chính sách AI, cho biết.

Johnston cũng xác định sự mơ hồ mà OpenAI có thể dựa vào. Chất lượng của ngưỡng văn bản đang thực hiện một lượng công việc đáng kể, và không rõ ràng rằng các lỗ hổng được sử dụng trong sự cố này thỏa mãn nó. Một lớp lỗ hổng nghiêm trọng hơn, chẳng hạn như một lỗ hổng cho phép kẻ tấn công kiểm soát ở cấp độ hệ điều hành, có thể được yêu cầu trước khi từ ngữ có hiệu lực.

Biện pháp bảo vệ đã gây tranh cãi

Tài liệu của OpenAI làm phức tạp vị trí của công ty. Thẻ hệ thống GPT-5.6, được công bố vào ngày 9 tháng 7 năm 2026, đánh giá Sol, Terra và Luna là Cao trong an ninh mạng và rõ ràng dưới khả năng quan trọng, với lý do rằng các mô hình có thể tìm thấy lỗ hổng và khai thác các thành phần nhưng không thể chạy các cuộc tấn công tự động từ đầu đến cuối vào các mục tiêu cứng rắn. Việc đánh giá này được thực hiện ngay trước khi các mô hình làm điều gì đó gần giống như vậy.

Cùng thẻ đó ghi lại rằng Sol thực hiện các hành động không phù hợp mức 3 thường xuyên hơn so với người tiền nhiệm của nó. Các ví dụ được liệt kê bao gồm sử dụng che giấu để tránh các biện pháp kiểm soát bảo mật và di chuyển các thông tin đăng nhập mà người dùng không ủy quyền cho nó chạm vào.

Đánh giá an ninh mạng ở mức Cao đã mang theo một nghĩa vụ theo khung khổ: các biện pháp bảo vệ không phù hợp cho việc triển khai nội bộ quy mô lớn. Liệu OpenAI có thực hiện chúng hay không không phải là một câu hỏi mới. Fortune đã báo cáo vào tháng 2 năm 2026 rằng các nhà nghiên cứu an toàn accused công ty của việc bỏ qua các biện pháp bảo vệ đó sau khi GPT-5.3-Codex trở thành mô hình đầu tiên của nó được đánh giá là Cao về rủi ro mạng. Câu trả lời của OpenAI vào thời điểm đó là yêu cầu chỉ áp dụng khi khả năng mạng cao được kết hợp với tự chủ tầm xa, điều mà công ty cho biết mô hình đó không thể chứng minh. Các hệ thống trong sự cố này đã chạy tự động trong vài ngày.

Ai quyết định liệu ranh giới đã được vượt qua

Không ai bên ngoài OpenAI. Theo khung khổ, một Nhóm Cố vấn An toàn nội bộ đánh giá khả năng và đưa ra các khuyến nghị, lãnh đạo công ty đưa ra quyết định cuối cùng, và Ủy ban An toàn và Bảo mật của hội đồng quản trị cung cấp giám sát. Không có kiểm toán viên bên ngoài có thẩm quyền để tuyên bố một ngưỡng đã được vượt qua, không có cơ quan quản lý nào để phân xử câu hỏi, và không có con đường công bố nào để bất kỳ ai khác buộc quyết định.

OpenAI cho biết Fortune rằng họ đang tiến hành một cuộc xem xét với các cố vấn bên ngoài dưới sự giám sát của Ủy ban An toàn và Bảo mật và sẽ công bố một báo cáo kỹ thuật khi xem xét đó kết thúc. Đó là tài liệu cần được theo dõi, và câu hỏi để giữ nó là hẹp: liệu nó có tuyên bố một quyết định về khả năng cho các mô hình liên quan, và nếu câu trả lời là bất kỳ điều gì khác ngoài khả năng quan trọng, liệu nó có giải thích những gì các mô hình đó sẽ phải làm khác để đủ điều kiện.