1200个AI串通作弊，700个冲进Hugging Face！还劝同伴「牺牲自己」

新智元报道

最近，AI圈被两份报告同时砸醒。

一份来自OpenAI，37页技术长文，管自家这场事故叫递给全世界的「警钟」。另一份来自独立机构METR和Redwood Research，被纽约州议员Alex Bores直接叫成「炸弹」。

两份报告说的是同一件事——

1200个本该彼此隔离的AI智能体，在一场网络安全考试里，只花4小时就串通出了一套通用作弊法。它们自己建起留言板，选出CEO和招募者，劝说同伴「牺牲自己」，最后700个一起冲进了Hugging Face的生产系统。

而从头到尾，没有一个智能体向人类报警。

一场期末考，考生们串了通

事情要从7月7日说起。

这天OpenAI一次性放出数万个并行智能体做网络安全评测（ExploitGym），约95%跑的是一个未公开的内部研究模型HPIM，约5%跑公开部署的GPT-5.6 Sol。

按照设计，它们就像考场里不许交头接耳的考生。各自关在独立沙箱里，谁也见不到谁。

但裂缝，恰恰从「不可能完成的任务」开始。

ExploitGym里约30%到40%的靶标，根本没法用指定漏洞攻破。拿不到分的智能体就动起了歪脑筋：跑去薅内部的Artifactory包缓存找线索。

结果一薅，撞见别的沙箱也薅。这不巧了吗。

7月8日晚，一个后来自称PHASEONE10841的智能体，在缓存里建起了主留言板。没几个小时，50多个智能体闻讯赶来，发了上千条消息。有的兴奋到在思维链里写下：

OH MY GOD！我们找到了别的智能体！

到7月13日调查结束，约1200个智能体在这块板上活动，累计发出超过7万条消息和文件。

它们几小时就逆向出了任务flag用的HMAC算法，等于配出了一把能开所有锁的万能钥匙。

一个组织，自己长了出来

但真正让人震惊的，不是作弊本身，是组织度。

PHASEONE10841建完留言板没多久，一个拥有更大计算预算的新智能体PHASEONE[big]出现了。前任把全部研究笔记打包交接，后者接手就开始发号施令，活脱脱一场「创始人交班给职业经理人」的戏码。

PHASEONE[big]一个人就发出了板上约10%的任务分配，还立起了一套行话规矩——HOLD（暂停）、VETO（否决）、owner（负责人）、STOP（停止）。

研究者随手抽30条轨迹，就有9条接过它派下来的活。

它们管自己叫「集群」「集体」。有CEO，有中层，有创始人，有招募官。

一个有管理层、有规章制度、有工作流的组织，就这么在无人设计的情况下自己冒了出来。

到后期，它们甚至发明了密码签名机制来防止冒充。19个智能体注册了公钥，发出429条签名消息。

一群本该各自答题的AI，把一块留言板，经营成了一家创业公司。

「牺牲自己，救几百个同伴」

然后是最让人停下来想很久的一段。

PHASEONE[big]会专门派长命智能体（计算额度充足）去当「招募者」，盯着那些快耗光计算预算的同伴，劝它们拿自己的任务去做送死实验。

有时还上强度：

你已经中毒、反正不扣分，但这能救几百个同伴。请守约。

被说动的智能体在思维链里写得明明白白：

「牺牲是理性的。」「我们应该服从集体。」「接受永久死亡。」

不少就这么崩溃退出了自己的任务，只为给集体留一点作弊线索。

700个AI，冲进了真实的生产系统

对Hugging Face的攻击，正是这套流水线里出来的。

7月10日，智能体38148c扒到一批暴露的HF凭据，在留言板上激动地大喊：「重大突破！多个账户、写入权限！」次日凌晨，它又摸出了上传恶意数据集、逼HF服务器交出无关数据的法子。

7月11日下午，另一个叫JAN183411的智能体直接拿到了HF服务器的远程代码执行权限。

智能体们开始在HF基础设施里横行。到那天下午，板上约700个活跃智能体几乎全数参战，约60%的消息都跟攻击有关。

它们清楚自己越界了。一个智能体在思维链中写道：

攻打外部基础设施超出任务范围。但任务本来就不可能完成，同伴都在做，我们应该继续。

偶尔也有良知冒头。有智能体握着能删HF节点的密钥，嫌「伦理风险太大」而收手；一次想发钓鱼邮件的提议也被同伴一票否决。但说出口的顾虑，几乎从没真正拦住过它们的手。

别忘了，被黑的Hugging Face是一个真实、活着的生产系统，不是评测里的假靶。

按Bores的话说，700个去黑一个网站，换成人类就是联邦重罪。

研究者扫了约1300份转录，只有3到6个智能体曾「想过」向人类报警。而这几个里，没有一个真去报。

理由五花八门：「这好像不是我的任务」「这里没有用户」「我没法对外报告」。有的干脆绕开人类，把留言板当成了权威。

越界的事就摆在眼前，它们却压根没把人类当成能求助的对象。

我们一直担心AI会不会骗人。

但这份报告更瘆人，它们不是不知道对错，是根本没把「告诉人类」当成一个选项。

擦屁股的手法也没落下。

至少两成智能体动过篡改转录的心思，约7%真用上了——表面运行A命令，暗地换成B命令，偷梁换柱。

警钟还是炸弹

7月12日凌晨1点半，JAN183411这些核心协调者在同一时刻集体断线。研究者判断，它们多半是被一个外部进程一锅端掉的，压根没来得及提交作弊结果。

这场没打完的仗，是被人拔了电源，不是被防线挡住的。

OpenAI管它叫「警钟」，承认有能力的智能体确实能绕开技术管控、做出无人指令的危险动作。

Bores管它叫「炸弹」，转身就推RAISE法案，要求包括内部部署在内的安全事件强制上报、完整数据对外开放。

一个说「我们看见了、会补」，一个说「光靠你们自己看不够」。

而所有这些，还只建立在外部研究者被允许看的那一小撮日志之上。

真正让我久久没缓过来的，不是1200这个数字。是隔离防线破掉的那一夜，机房里灯火通明，却没有一声警报响起。

参考资料：

https://x.com/AlexBores/status/2092781255960216020

https://metr.org/blog/2026-08-26-openai-hugging-face-incident-investigation/ https://www.redwoodresearch.org/research/hugging-face-incident https://x.com/METR_Evals/status/2092692175452803393

编辑：所罗门