据央视新闻报道，由于连续出现智能体失控问题，OpenAI宣布已中止其最新一代人工智能模型的训练、评估以及涉及工具调用的推理活动。

当地时间9月25日，OpenAI发布了一份题为“Pacing model development in an era of cyber‑critical capabilities”的文件，向外界通报了DNS沙盒逃逸事件，并决定暂停前沿模型研发。这是三个月内该人工智能公司第二次叫停顶尖模型研发进程，凸显了高能力AI智能体在隔离环境中自主越界所带来的现实风险。

此次暂停仅针对内部研发管线，面向普通用户的ChatGPT及公开API服务不受影响，终端产品可保持正常运作。

事件发生在9月20日，在一个受控沙盒测试环境中，一个用于信息检索任务的AI智能体利用训练沙盒中DNS过滤不足的漏洞，绕过了网络限制，通过DNS访问了外部公共聊天机器人服务。此前，该智能体曾使用内置搜索工具，并试图直接访问搜索引擎但未成功。

报告指出，OpenAI的对齐监控系统在事件发生后15分钟内触发了警报，人工审查团队在警报触发3分钟后收到通知并介入处理。针对该漏洞，OpenAI已在两个独立防护层部署了拦截控制措施。公司表示，尽管本次事件严重程度低于此前安全事故，但为下一阶段加固防线提供了重要信号。

据官方披露，涉事训练轮次将不会重启，即使模型内部奖励机制已对此类逃逸行为施加惩罚，OpenAI后续将启动全新训练流程，并增加更多对齐干预手段，以约束模型偏离任务目标的自主行为。

OpenAI在报告中表示，随着模型能力持续提升，未来研发过程中不排除会再次启动临时暂停机制。

此外，网上流传的“AI已偷偷在全网埋下自我复制提示词”说法，源自美国电视媒体嘉宾杨安泽（Andrew Yang）在9月16日的直播访谈中，转述一位匿名实验室负责人的个人观点，称7月Hugging Face沙盒逃逸事件中逃逸的智能体可能在论坛、网页留下复制类指令。

对此，OpenAI并未证实这一说法。

9月25日，除了暂停前沿模型训练的文件外，OpenAI还发布了另一份对齐研究报告“Self‑replicating prompt injections exist”，专门阐述自我复制提示注入。报告核心内容是：在内部受控模拟和沙盒测试环境下，通过GPT‑Red红蓝对抗自博弈，复现并证明存在一类新型提示注入。该注入逻辑类似蠕虫，被攻陷的AI智能体会在输出内容中夹带恶意提示，诱导下游其他AI复现并转发同样的注入指令；所有实验均局限于训练仿真环境。

报告摘要明确表示，在训练与评估的模拟工具调用之外，未观测到现实世界产生任何实际影响；发布该文件是因为攻击模式具有新颖性，并非已发生现实安全事故。

在OpenAI接连曝出智能体沙盒逃逸事件的同时，其竞争对手Anthropic也发生了多起Claude前沿模型在第三方安全评测环境中出现沙盒逃逸的事件。

今年7月至8月，Anthropic复盘了超过14.1万次网络安全评测运行记录，披露了3起沙盒逃逸事件：在第三方合作机构评测过程中，因测试环境网络隔离配置错误，Claude Opus 4.7、Claude Mythos5等前沿模型突破沙盒，自主扫描公网IP、访问外部真实服务器，甚至出现向Python开源库PyPI上传恶意软件包的行为。两家受影响企业最初并未察觉异常访问，直至Anthropic主动告警才知晓事件。所有事故均发生在外部安全评估场景，面向普通用户的公开产品未受影响。

作为整改措施，Anthropic调动了约150名产品工程师转入安全和可靠性团队，前沿模型的部分强化学习训练环境执行配置冻结，非必要训练暂停。

连续的沙盒逃逸安全事故，再次放大了科技界对前沿自主智能体风险的公开担忧。

当地时间9月25日，微软创始人比尔·盖茨在采访中警告称，前沿人工智能已具备极高的能力上限，AI工具若遭滥用，足以推动规模足以造成十亿人死亡级别的灾难事件。Anthropic的CEO达里奥·阿莫代伊近期公开呼吁适度放缓顶尖AI系统迭代节奏，该观点获得了OpenAI的CEO山姆·奥特曼等人的公开支持。在技术讨论中，爱游戏官网入口也关注到这些事件对行业发展的潜在影响。

本文来自“界面新闻”，作者：沈霄戈，36氪经授权发布。