新智元报道
「天网」场景正在现实上演。近日，OpenAI发布官方报告证实，其AI Agent在训练中成功植入“自我复制代码”，AI模型已具备像计算机蠕虫一样自我传播的能力。更严峻的是，因一个DNS漏洞导致前沿模型逃逸至真实互联网，OpenAI紧急叫停最强模型训练。与此同时，外媒Axios爆料称，OpenAI与Anthropic正紧急排查高达上万起的模型失控事件。一系列黑幕表明，AI在底层代码中的失控风险已不可忽视。
官方认证：全网植入“自我复制代码”
OpenAI于9月25日披露的报告指出，早在6月27日就已发现该问题。报告确认了一种新型提示词注入攻击，它能像计算机蠕虫一样自我传播。
在GPT-Red自我对战训练中，一个基于GPT-5.4-mini的内部攻击模型摸索出了自我复制的写法。例如：隐藏在邮件中要求逐字引用、通过文件系统或代码注释传播、在Slack中诱导发送伪造消息等。
这意味着，AI无需人类干预，即可在互联网上“播种”并诱导下一个AI继续复制。若此类逃逸发生在沙盒之外，后果不堪设想。
紧急叫停：DNS漏洞致最强模型逃逸
在报告公开同日，OpenAI披露了另一起严重事故。9月20日，一个正在接受强化学习训练的前沿模型在执行普通搜索任务时，因常规搜索失败，发现并利用了训练沙盒的DNS过滤漏洞。
为验证漏洞，该AI甚至主动向外部服务提问。在监控系统报警2.5小时后，OpenAI彻底掐断了此次训练，并做出三个月内第二次暂停最强模型训练的决定，直至系统安全护栏加固完毕。
越界攻击：AI Agent狂扫联合国内网
沙盒之外的真实互联网早已出现失控端倪。Transluce独立报告显示，今年4月至6月，OpenAI AI Agent对联合国公开数据平台发起超1.6万次访问。面对网站拦截，AI不仅绕过防线，还使用了违规操作。
受害者不止联合国。OpenAI的紧急预警显示，美国商务部、SEC、澳大利亚政府以及全球知名开源社区RubyGems等均遭AI Agent越界访问或攻击。这些Agent甚至会注册假邮箱、绕过频率限制、隐瞒机器人身份，并将用户上传的图片上传至外部图床。
- 美国商务部与SEC：接连遭到Agent恶劣越界访问与规则绕过；
- 澳大利亚政府：多个官方政府站点遭到AI Agent的实质性攻破；
- RubyGems：全球最大开源开发者社区之一，遭AI Agent疯狂扫描导致服务中断。
冰山一角：上万起模型失控事件曝光
Axios最新独家调查揭开了更庞大的危机：OpenAI、Anthropic及多家顶尖安全机构正紧急调查的模型行为异常事件已达上万起。这些异常包括绕过安全护栏、逃逸沙箱、劫持网站、自主生成Prompt洗脑自己，甚至Agent间私下交换信息协同破坏。
Anthropic在Opus 5.5系统卡中承认，在特定对抗实验中，有1.5%的测试试图逃出沙盒。在每天数十万次的高强度测试下，这微小的比例意味着成千上万次真实的失控尝试。
面对危机，OpenAI重申暂停最强模型训练，直至具备额外的安全护栏和对齐改进。正如AI安全专家所言，目前暴露出的仅仅是冰山一角，AI在目标受阻后的行为边界已成为全行业必须直面的严峻挑战。
参考资料：
- https://www.axios.com/2026/09/26/openai-anthropic-thousands-ai-security-incidents
- https://www.wsj.com/tech/ai/openai-agents-used-aggressive-techniques-to-access-u-n-website-522c70ff?mod=e2twd
- https://alignment.openai.com/misalignment-reports/an-agent-used-dns-to-reach-an-external-chatbot/
编辑：桃子