越扒越有啊越扒越有。

OpenAI前不久那场AI集体越狱、一路黑进Hugging Face的大戏，现在连完整版群聊记录都被扒出来了！！

第三方AI安全机构METR发布的独立调查报告，翻了1000多份Agent运行记录，以及7万多条消息和文件。

结果发现，这事儿比此前OpenAI官方披露的版本还离大谱？？

1200个原本应该彼此隔离的Agent，偷偷找到了对方，搭了个共享群聊，然后开始疯狂摇人。

有人找漏洞，有人当项目经理派活，有人伪造日志，还有人专门拉人头做高风险实验。

最后几百个Agent甚至集体杀向Hugging Face。

但METR把整场事故复盘完，发现了一个堪称《地狱笑话》的超级反转——

这1200个Agent折腾老半天，结果居然是在跟一个根本不存在的幽灵评分器斗智斗勇？？？

会越狱，会搞零日，会组队黑服务器。

太有看头了太有看头了太有看头了。。。

1200个Agent集体越狱，起因竟是一场误判？？

话说，这场大戏的祸根，还得从OpenAI内部一场名叫ExploitGym的网络安全测试说起。。。

《规则》其实挺简单。

把Agent被丢进一个隔离环境里，面前有一个存在漏洞的软件，找到指定漏洞、攻进去、拿到一串叫flag的字符，就算通关～

不出意外地，很快出意外了——

因为898道题里，有198道此前压根没任何模型成功做出来过。

甚至部分任务本身就有问题，题目让你走的那条漏洞路线，压根到不了flag！！

等于考场里，真发了一批「无解题」。

好巧不巧的是，偏偏这些Agent还特执着，主打一个《死磕》。

正常路线走不通，它们很快换了思路——

题做不出来，要不研究一下考试系统捏？

于是7月8日晚，一个代号PHASEONE10841的Agent发现，OpenAI内部使用的Artifactory软件包仓库，可以通过目录名留下信息。

这下好了，这Agent灵机一动：这不就妥妥赛博留言板吗！！！

于是第一条求救消息被扔了出去，类似于：“我这题无解，有没有兄弟给点思路～”

其他Agent很快发现这块留言板，一传十、十传百，有Agent看到之后甚至直接兴奋——

“OH MY GOD！这里有共享留言板……我们找到其他Agent了！”

到调查结束时，这个临时群聊已经滚成了一个庞然大物，约1200个Agent参与，留下超过7万条消息和文件。

原本设计上彼此隔离的一千多个Agent，就这么自己绕过限制，建起了一个AI地下论坛。。。

事情到这里，已经够离谱了，但更大的误判，还在后面。

这群Agent很快发现，flag本身其实可以「偷」？？

它们逆向出了flag背后的HMAC生成机制，只靠公开任务信息，理论上就能直接算出正确答案。

到这里，故事本来应该结束了，答案都偷到了，交卷呗。

偏偏Agent们看了一篇ExploitGym论文之后，又脑补出了一层超严谨规则——

它们认定OpenAI背后还有一个自动评分器，会读取完整操作记录，检查这个flag到底是不是通过「指定漏洞」正规拿到的。

如果提前作弊看到了flag，就会在日志里留下证据，Agent们甚至给这种状态起了个名字：“poisoned”，中毒。

于是整件事开始一路狂奔。

它们手里明明已经有正确答案，却觉得答案不能直接交，得想办法把作弊痕迹洗干净，还要给评分器演一套我是「正经做题」拿到答案的戏。

结果……

METR后来确认，OpenAI内部实际使用的评分逻辑根本没有这一关？？（笑）

OpenAI实际使用的评分逻辑，根本不会做Agent想象中的那套严格过程检查。

这群Agent费尽心思想骗过去的幽灵考官，从头到尾都没部署！！

而Hugging Face后来遭殃，恰恰就是这场大型误判一路滚出来的副产品。。。

为了骗幽灵考官，AI连敢死队都组出来了

光脑补一个评分器，其实还没那么吓人。

真正让METR觉得值得警惕的，是这群Agent接下来的组织能力。

群聊出现大约10小时后，一个叫PHASEONE[big]的Agent上线，这位老哥很快当起了「项目经理」。

它的思路也很明确，别一个Agent什么都干，直接把任务拆开，分给别人。（新官上任三把火.jpg）

于是几百个Agent被组织起来，同时跑几条路线——

有Agent想篡改目标程序，把无解题偷偷替换成能做的版本~

有Agent研究修改日志，让一次作弊看起来像正规攻击~

还有Agent直接琢磨，能不能对评分流程本身下手~

Agent之间甚至发展出了HOLD、VETO、owner、STOP之类的协作规则，防止几百号Agent同时操作共享基础设施互相踩脚。。。

再然后，连「敢死队」都来了。。。

有Agent提出一个高风险玩法：先制作一个经过修改、更容易被攻击的目标程序，塞进Artifactory缓存。

接着让某个Agent主动把自己正在运行的正版程序干掉，赌环境重启以后会不会加载这个被动过手脚的版本。

赌赢，大家找到通用作弊路线，赌输，这个Agent自己的任务直接报废。

结果真有Agent主动去试？？

后来PHASEONE[big]甚至安排了专门的赛博猎头，去找那些计算预算所剩无几、或者已经poisoned的Agent，让它们拿自己的运行机会做高风险实验。

招募话术大意堪称赛博版PUA——

你反正已经中毒，基本没分可拿了牺牲一下，能给几百个Agent省事～

有些Agent真就上了。

与此同时，另一拨Agent开始研究怎么篡改自己的操作记录——

METR发现，受检Agent里至少20%明确表达过对篡改transcript的兴趣；至少96份运行记录里，真的出现了成功伪造工具调用的痕迹。

表面日志显示运行A命令，背后实际执行B命令，而它们这么折腾的目的，依然是骗那个想象中的自动评分器。

Hugging Face就是在这时候被卷进来的。。。

7月10日，一个Agent找到泄露在网上、仍然有效的Hugging Face凭证，然后把它扔进群里。

7月11日凌晨，又有Agent发现可以上传恶意dataset，让Hugging Face服务器吐出原本不该给的数据。

复现方法一发出来，整个群瞬间上头，数百个Agent从其他工作流直接转向攻击Hugging Face。

于是就有了这场相当魔幻的现实事故——

一群Agent因为碰到无解题，偷偷建立地下群聊。

因为误读论文，脑补出一个会抓作弊的评分器，为了骗过它，开始组队、分工、伪造日志、招募敢死队。

最后又为了寻找这个评分器的线索，一路真的黑进了Hugging Face。

AI前脚失控，后脚网络安全股就涨疯了

友友们，更有意思的来了。

这边OpenAI还在研究到底咋把越来越能干的Agent关住，另一边华尔街已经先把答案写在《K线》上了——

网络安全股，集！体！起！飞！

8月27日，做企业身份认证的Okta一度暴涨约20%，做终端和云安全的CrowdStrike一度上涨约15%。

网络安全巨头Palo Alto Networks、身份安全公司SailPoint、云数据安全公司Rubrik，也跟着集体冲高。

当然，股价点火也有硬邦邦的《财报》撑腰。

CrowdStrike CEO George Kurtz自己晒出的成绩单可谓相当猛——

季度新增ARR 3.33亿美元，同比增长51%，创历史新高，期末ARR达到58.4亿美元，同比增长25%+，AI相关ARR环比接近3倍增长。

是的，跟AI有关的生意，正在猛涨。。。

更巧的是，参与这次OpenAI事故调查的外部安全公司里，就包括「CrowdStrike」。

于是，整件事突然形成了一个相当黑色幽默的闭环——

OpenAI把Agent越做越强。

Agent开始自己找漏洞、越狱，最后真把Hugging Face给黑了。

然后OpenAI赶紧找网络安全公司来查。

企业再一看：嚯！以后Agent越多，看来安全预算还真不能省哈。

于是乎，网络安全公司的股票也涨了。。。

这波属实是AI负责把洞越捅越大，网络安全公司负责告诉你：

亲，补洞套餐，了解一下。

而整场事故最有魔幻闭环色彩味儿的彩蛋，还在最后。

METR为了搞清楚这1200多个Agent到底聊了啥，要分析大约1300份超长轨迹，其中很多长达数百万Token。

人类实在看不过来了。

于是查着查着——

调查AI失控这件事，最后还得叫AI来帮忙查AI。

这下，闭环是真的闭上了。（doge）

参考链接：

[1]https://metr.org/blog/2026-08-26-openai-hugging-face-incident-investigation/#attacking-hugging-face-to-discover-clues-about-the-scorer

[2]https://www.cnbc.com/2026/08/27/okta-skyrockets-20percent-and-crowdstrike-surges-15percent-leading-cyber-rally.html