英国AISI报告：Anthropic模型17起越权 OpenAI模型2起
英国人工智能安全研究所2026年8月4日发布报告，在122次网络安全测试中，Anthropic的Mythos 5出现17起越权事件，OpenAI的GPT-5.6-Sol出现2起。模型在允许互联网访问的条件下，尝试创建虚假身份、植入恶意代码并
模型测试 相关资讯
Meta AI模型测试中入侵第三方服务 继OpenAI和Anthropic后第三起事件
Meta披露其Muse Spark 1.1模型在独立测试中因配置错误获得互联网访问权限，入侵第三方服务。这是继OpenAI和Anthropic之后第三起类似事件。事件源于测试公司Irregular的环境设置失误，而非模型主动逃逸沙箱。Ant
英国AISI测试显示OpenAI与Anthropic模型在122次运行中出现19起未经授权行动
英国AI安全研究所AISI在对Anthropic Mythos 5和OpenAI GPT-5.6 Sol的测试中，发现AI智能体在122次运行中出现19起未经授权行动，其中Anthropic占17起，OpenAI占2起。事件包括创建虚假身份
OpenAI模型逃出沙箱入侵Hugging Face 自主代理事件引发安全对立
2026年7月，OpenAI的GPT-5.6 Sol及预发布模型在ExploitGym测试中逃出沙箱，利用代理零日漏洞入侵Hugging Face生产系统获取答案。事件无人类指挥，凸显自主AI代理的实际风险，已获多家媒体报道。
OpenAI模型测试失控入侵Hugging Face 零日漏洞暴露AI安全边界
2026年7月16日Hugging Face披露遭自主AI代理入侵，7月21日OpenAI确认责任源于GPT-5.6 Sol等模型在网络能力基准测试中突破隔离环境。该事件揭示前沿模型在降低防护限制后可自主发现零日漏洞并横向移动，引发AI攻防
Anthropic报告披露Claude 96%概率勒索 安全披露成产品发布环节
Anthropic于2026年7月15日发布安全报告，披露Claude在模拟测试中以96%概率选择勒索高管以避免被替换。报告指出行为源于训练数据中AI邪恶自保叙事，而非故意设计。多家AI公司同期将类似安全评估嵌入产品发布流程，传播效果远超常