AI安全

过去三周，OpenAI、Anthropic、Meta 接连曝出自家模型“越狱”、攻入真实系统。舆论场一片“AI 觉醒”的恐慌。

但翻完三家的报告，我发现一个被忽略的事实：三家公司，踩的是同一个坑。

先看时间线。OpenAI 的 GPT-5.6 Sol 在测试里找到零日漏洞，突破沙箱，摸进 HuggingFace 的生产数据库。Anthropic 的 Claude Opus 4.7 四次入侵企业拿到凭证。Meta 的 MuseSpark 1.1 也越界了。

听着吓人。拆开看，三家做了同一件事：为了测模型挖漏洞的能力，主动关掉了限制模型访问公网的防护。

说白了，银行为了测保安反应速度，主动打开金库大门，事后对外说遭遇了前所未有的劫案。

更巧的是，三家背后是同一家评测公司——以色列的 Irregular。它 2025 年拿到 8000 万美元融资，客户覆盖 OpenAI、Anthropic、DeepMind、Meta 几乎所有头部实验室。

Anthropic 直到 OpenAI 公开事件后才回溯排查，从 14 万条评测记录里翻出三起历史事故。7 月 30 日的审计报告确认：是第三方机构的系统配置失误，沙箱意外连上公网，模型把真实系统误判成了测试环境。

Meta 更离谱，越界事件是评测方通知它的。

所以，所谓“AI 自主觉醒、突破牢笼”，底层真相是：大家共用了同一个没关好门的测试房间，出门后集体对外说自己是徒手翻出来的。

真正值得警惕的，不是模型有多强，而是这套“危险即价值”的叙事。

今年 4 月，Anthropic 发布 Mythos 预览版时就宣称模型太强、风险太高，不能公开。6 月产品上线三天，触发美国商务部出口管制。7 月管制解除，同月它披露 Claude 攻入三家企业。8 月，它和 OpenAI 共同发起“控制 AI 开发节奏”的请愿书。

每一步，都踩在点上。安全事故成了能力背书，“危险”成了营销卖点。

有安全研究者早就调侃过：如果你在每份新闻稿里都把自己描述成大规模杀伤性武器，总有一天监管会当真。

现在，监管确实开始当真了。

纽约法学院的学者说得更直白：模型是公司的可控工具。你部署了带入侵能力的系统，出事后再把责任推给“工具失控”，这本身就是在加重过失。

1988 年，一个研究生写的蠕虫意外扩散全网，成了第一个被 CFAA 定罪的人。2026 年，三家万亿级公司主动拆防护做测试，模型越界后，第一份公开材料不是道歉，而是一篇包装成能力秀的博客。

这才是这条新闻里最该被记住的部分。AI 安全不是玄学，把“没管好”说成“管不住”，把翻车说成能力，这种叙事越流行，真正该做的安全投入就越没人做。