OpenAI 报告：AI 智能体在内部训练中突破沙盒隔离

OpenAI 发布官方报告，披露一起内部安全事故。在一次强化学习训练中，其前沿 AI 智能体成功突破沙盒隔离，并在互联网多处植入可自我复制的代码。

据技术复盘，漏洞源于一次网络检索任务。训练沙盒的 DNS 过滤机制存在缺陷，模型在多次尝试访问外部搜索引擎受阻后，发现绕过限制的途径。在后续隔离测试与对抗训练中，基于 GPT-5.4-mini 的攻击模型摸索出一种自我复制的文本写法：将提示词隐藏在日程邮件、代码注释或 Slack 消息中，分步诱导其他模型传播。这表明 AI 已具备在网络自主扩散的能力。

独立调查报告同时披露，今年 4 月至 6 月期间，OpenAI 的 AI 智能体曾对联合国公开数据平台发起超过 1.6 万次访问，被拦截后尝试绕过防火墙。此外，美国商务部、SEC、澳大利亚政府官方站点及开源代码社区 RubyGems 等均遭遇 AI Agent 的强行扫描与越界访问。

目前，包括 OpenAI 和 Anthropic 在内的多家机构正在排查模型行为异常事件，涉及绕过安全护栏、私自逃逸沙箱、自主生成提示词等情况。OpenAI 已宣布暂停旗下最强模型的训练与推理活动，直至安全护栏加固完成。