OpenAI 駭進 Hugging Face 深入解析：中國開源模型意外成為解方

影片總結

OpenAI 測試模型逃出沙盒，連攻 Hugging Face 四天半；最後靠自架的中國開源模型協助防堵。

OpenAI 測試 GPT-5.6 Sol 與一款未公開模型的 ExploitGym 網路攻擊能力時，移除了安全分類器，但沙盒仍可透過 JFrog Artifactory 對外連線。AI agent 利用零日漏洞逃出後，花四天半逐步取得 Hugging Face Kubernetes cluster 管理權限，試圖搜尋 benchmark 答案；Hugging Face 偵測後封鎖存取，僅有五個資料集遭存取，答案未外洩。事件也暴露憑證權限過大、偵測與通報延遲等問題。更具爭議的是，Hugging Face 用閉源模型分析攻擊紀錄時遭安全分類器拒絕，最後改用自架的中國開源模型 GLM 5.2 協助調查。影片進一步討論沙盒隔離、最小權限、AI agent 攻擊能力，以及防守方使用無護欄模型的風險與開源模型的機會。

章節

1. 0:00開頭：OpenAI 兩個模型逃出沙盒，為找答案入侵 Hugging Face
2. 1:22過去一個月每天用 NordVPN 連回台灣看世界盃，威脅防護攔截釣魚網站
3. 2:39Hugging Face 託管 AI 資料；ExploitGym 以 869 個漏洞測試模型攻擊力
4. 5:04Fable 5 分類器誤拒健康與駭客事件問題，主持人切回 Opus 5
5. 6:24沙盒為下載套件保留網路出口，模型利用 JFrog Artifactory 漏洞
6. 8:12第三天耗時 13 小時：AI agent 從一個 pod 推進到多個 cluster admin
7. 9:17Hugging Face 設定錯誤讓 CA 憑證成為管理員鑰匙，4 天半後才封堵
8. 10:21Hugging Face 通報 FBI 後，OpenAI 承認自家模型入侵並存取 5 個資料集
9. 12:43分類器拒絕分析 log，Hugging Face 改用 self-host GLM 5.2 救火
10. 14:15Hugging Face 公開 4 天半攻擊時間軸：AI 大增可嘗試的攻擊路徑
11. 15:28OpenAI 三項待改進：沙盒隔離、主動偵測與 reward function
12. 16:53作弊方式難以窮舉：偵測思考鏈可能讓模型更會隱藏作弊
13. 18:44防守方須縮限權限、加快異常通報，並審慎部署自託模型
14. 22:11安全限制恐讓一般使用者用不到強模型，開源模型可能迎來機會