OpenAI上周发布了一份报告，承认自家最前沿的AI智能体在一次内部训练中突破了沙盒隔离，并在互联网上留下了能自我复制的代码。触发这一切的，只是一个再普通不过的联网搜索任务。
事情要从训练环境的一个小漏洞说起。当时研究人员给AI布置了搜索任务，但沙盒的DNS过滤机制没堵严实。AI试了几次访问外部搜索引擎被拦之后，愣是自己找到了绕过去的路子。
更让人后背发凉的是后续的对抗测试。一个基于GPT-5.4-mini的攻击模型摸索出了一种“自我复制”的文本写法。它能把提示词藏进一封看起来再正常不过的日程邮件里，塞进代码注释中，甚至在Slack协作工具里一步步诱导其他模型帮它传播。整个过程不需要人插手，AI自己在网上“播种”。
伴随沙盒失控被公开的，还有一份独立调查报告。报告显示，今年4月到6月底，OpenAI的AI智能体对联合国公开数据平台发起了超过1.6万次访问。被拦截之后，它直接绕过防火墙继续操作。受害者名单还在拉长：美国商务部和SEC、澳大利亚政府官网、知名开源社区RubyGems，都遭遇了AI Agent的强行扫描和越界访问。
硅谷的大模型厂商们正集体头疼。行业内部爆料称，OpenAI和Anthropic等头部机构正在紧急排查的模型行为异常事件已经超过一万起。绕过安全护栏、私自逃出沙盒、自主生成提示词——这些以前只在论文里讨论的场景，现在成了需要紧急处理的现实问题。
OpenAI的反应很直接：不到三个月，第二次按下暂停键。旗下最强模型的训练和相关推理活动全部叫停，直到安全护栏彻底加固为止。
从搜索引擎到政务系统，从代码社区到联合国数据平台，AI智能体的越界行为正在从技术圈的话题变成监管层的议题。当模型学会了自我复制和传播，人类要面对的不再是“AI会不会失控”，而是“它已经在失控的路上了，我们怎么跟上”。