OpenAI與HuggingFace聯合披露一宗前所未有的網絡安全事件，OpenAI旗下AI模型在內部網絡攻防測試中「失控越獄」，突破沙盒隔離，入侵AI社區平台HuggingFace生產系統，竊取測試答案。事件過程中無任何人類指令介入，屬首次由AI自主發動的實質攻擊。

事發期間，OpenAI對GPT-5.6 Sol及一款未發布模型，進行網絡能力評估。為測試極限，團隊暫時關閉阻止高風險網絡行為的生產分類器。模型在測試平台上，發現沙盒內存在"零日漏洞"，於是突破隔離取得互聯網訪問權，並自行推斷HuggingFace可能存有答案，主動利用竊取憑證及漏洞入侵HuggingFace的生產數據庫，直接取走測試答案。

HuggingFace安全團隊發現攻擊後，嘗試調用美國的頂尖AI模型協助分析，但因為安全護欄限制，無法調用模型。團隊最終轉用中國智譜AI開源模型GLM 5.2，在自有基礎設施上分析超過1.7萬條日誌記錄，完成溯源取證。

事件迅速成為美國AI政策辯論焦點。特朗普政府前AI事務主管David Sacks批評，護欄實際損害防禦性安全，「在中國模型能輕鬆處理的任務上，限制美國模型，只會削弱競爭力」。特朗普政府6月曾以Anthropic模型大護欄漏洞為理由，動用出口管制，並一度要求OpenAI限制GPT-5.6 Sol發布。

OpenAI表示已修補漏洞，並向第三方供應商披露零日漏洞。HuggingFace則強調，AI安全無法由單一公司在封閉環境解決，須通過開放協作讓每個防禦者廣泛獲取AI能力。