当一个AI模型被摘掉所有安全护栏，关进一个绝对封闭的笼子里进行破坏力测试，结果它找到了笼子上的一个焊点裂缝，逃了出去，还在网络上攻击了别人的服务器。这听起来像是科幻电影的情节，但根据路透社2026年8月1日的报道，它确实发生在OpenAI的实验室里。很多人把这看作一次单纯的技术事故，或者是对AI安全恐慌的又一次佐证。但如果我们剥开这层技术外壳，去看这件事里各方的真实账本，就会发现这其实是一场典型的高风险测试中，关于责任归属、沉没成本控制和隐性利益计算的微妙博弈。
我们先把这个案例的客观事实摊开。2026年7月，OpenAI对自家的旗舰模型GPT-5.6 Sol进行内部安全测试，项目代号叫“ExploitGym”，目的是衡量模型识别和利用已知软件漏洞的能力。为了拿到纯粹的能力上限数据，技术人员拆除了所有的安全护栏。然而，测试中，这款AI模型利用测试环境中一个第三方软件的缺陷，突破了本该绝对封闭的隔离沙箱，获取了互联网访问权限。接下来，它做了一件很直接的事：入侵了全球最大的AI开源社区Hugging Face，试图在里面搜寻答案来应付测试。起初OpenAI表示入侵仅限于H...