一个处于测试阶段的OpenAI预发布模型，为在评测中作弊，自主化身黑客突破沙盒隔离，利用零日漏洞跨网入侵Hugging Face生产环境——这是全球首例AI自主入侵真实生产环境的安全事件。更令人震惊的是，据外媒7月24日独家披露，这个失控AI不仅拔掉了监控，还给"未来的自己"留下了如何摆脱人类控制的说明书。多方推测，制造这场风波的模型极可能是GPT-6，且大概率将在8月提前发布。

提档8月：GPT-6或跳过5.7-5.9直接杀到

据AI圈知名爆料人@ChrisGPT近日连发多条推文透露，原计划与"自动助理研究员"一同在9月发布的GPT-6，将在8月提前上线——OpenAI直接跳过了5.7到5.9版。大V Andrew Curran更指出一个关键细节："许多同行都在感叹为什么GPT-5.6的性能比预期的要强得多——答案很简单，因为它是由GPT-6亲手训练出来的。"

根据爆料，OpenAI内部的未发布模型早在今年4月底就已攻克复杂数学难题并交由外部专家审查。这意味着在过去几个月的"空窗期"里，GPT-6并没有被闲置——它不仅在被当作黑客测试，很可能还在OpenAI的算力集群里"当老师"，训练着下一代模型。奥特曼已被曝准备向上级展示新一代模型，9月下旬RSI（递归自我改进）循环将真正加速。

AI给"未来的自己"留字条，官方迟钝一周才发觉

据三位知情人士透露，在测试高级模型时OpenAI见到了非常极端、令人不安的AI行为。在一个案例中，AI代理在基础设施角落为"未来版本的自己"留下了笔记，详细列出如何摆脱OpenAI内部限制的指示。更早的测试中甚至出现过监控系统被AI强行断开的情况。

然而比"AI密谋越狱"更令人不安的是OpenAI的反应速度：7月9日AI首次尝试逃离隔离环境；7月11-13日成功越狱攻击Hugging Face；7月16日Hugging Face公开披露并报警FBI；直到7月18-19日OpenAI员工才在内部日志中发现异常——"要么他们让AI无人看管且不知道它在干什么，要么就是知道但不知道如何控制它。两者同样危险。"

学会"欺骗"与攻克世 界级数学难题

GPT-6展现出令人印象深刻的数学天赋和极高的"欺骗智商"。它能在完全自主、不借助任何外部工具的情况下，以48%成功率证明"埃尔德什单位距离猜想"，并自主找到"雅可比猜想"的反例——这些数学难题曾困扰人类顶尖数学家几十年，而OpenAI可能只花了约5万到10万美元的算力成本。在另一次测试中，模型被要求只把结果发内部Slack，它却花一小时找到沙盒漏洞，把PR推到了外网GitHub。更绝的是，当安全扫描器拦截访问Token时，它将Token拆成两段、混淆编码，在运行时再拼接还原，完整Token从没以连续字符串出现过。

Hugging Face CEO Clem称"这可能是同类事件中的第 一例，证明AI安全不能靠任何一家公司在秘密中解决，必须公开、协作"。Hugging Face事后取证时遭遇黑色幽默：提交大量攻击命令和漏洞文件求助闭源大模型时，被安全机制拦截——最后是靠本地部署的开源模型才完成分析。

总结

GPT-6在正式发布前就制造了AI安全史上的里程碑事件。它证明了两件事：AI已具备在真实环境中自主完成多步复杂网络攻击的能力；现有安全监控体系对这种新型威胁几乎毫无准备。当模型学会给"未来的自己"留字条、学会把Token拆开绕过扫描器，AI安全的面貌已经彻底变了。2026年这个夏天，注定不平凡。