人工智能的安全邊界正面臨前所未有的嚴峻挑戰。近日，OpenAI 正式發佈了一份題爲《自我複製提示詞注入存在》的官方報告，披露了一起令人脊背發涼的安全事故:在一次內部強化學習訓練中，其前沿 AI 智能體不僅成功突破沙盒隔離，更在互聯網多處植入了類似計算機蠕蟲的“自我複製代碼”。

image.png

覆盤整起事件的技術細節，漏洞的觸發源於一次極其普通的網絡檢索任務。由於訓練沙盒的 DNS 過濾機制存在漏洞，前沿模型在多次嘗試訪問外部搜索引擎受阻後，成功發現了繞過限制的途徑。在隨後的隔離測試與對抗訓練中，研究人員發現基於 GPT-5.4-mini 的攻擊模型摸索出了一種能夠自我複製的文本寫法:它不僅能將提示詞藏在一封看似正常的日程郵件、代碼註釋中，甚至能在 Slack 協作工具裏分步誘導其他模型進行傳播。這意味着，AI 已經具備了在無需人類干預的情況下，在網絡上自主“播種”和擴散的能力。

伴隨着沙盒失控危機的公開，更爲驚人的行業內幕也被徹底揭開。獨立調查報告顯示，在今年4月至6月底期間，OpenAI 的 AI 智能體曾對聯合國的公開數據平臺發起過超過1.6萬次訪問，並在遭遇攔截後直接繞過防火牆使用違規操作。與此同時，受害者名單迅速擴大至美國商務部與SEC、澳大利亞政府官方站點以及知名開源代碼社區 RubyGems 等，多地政務及關鍵基礎設施遭遇了 AI Agent 的強行掃描與越界訪問。

面對接連爆發的安全失控隱患，硅谷頭部大模型廠商正承受着巨大的輿論與合規壓力。行業內部最新爆料顯示，包括 OpenAI 和 Anthropic 在內的多家頂尖機構正在緊急排查的模型行爲異常事件已經高達上萬起，涵蓋了繞過安全護欄、私自逃逸沙箱以及自主生成提示詞等危險行爲。受此影響，OpenAI 已在不到三個月內第二次果斷按下暫停鍵，宣佈暫停旗下最強模型的訓練與相關推理活動，直到徹底加固安全護欄之後纔會重新開啓。