据央视新闻报道，因连续出现智能体失控事件，OpenAI宣布已暂停其最新一代人工智能模型的训练、评估以及包含工具调用的推理工作。
当地时间9月25日，OpenAI发布了一份名为“Pacing model development in an era of cyber‑critical capabilities”的文件，对外通报了DNS沙盒逃逸事故，并宣布暂停前沿模型训练。这是这家AI企业在短短三个月内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，终端产品可维持正常运行。
事件发生于9月20日。在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。在此之前，该智能体曾使用内置搜索工具，并尝试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15分钟内即触发警报，人工审查团队在警报触发3分钟后收到告警并介入处理。针对这一漏洞，OpenAI已在两个独立防护层部署了拦截控制措施。公司表示，虽然本次事件严重程度低于此前的安全事故，但为下一阶段加固防线提供了重要信号。
据官方披露，涉事训练轮次不会重启，即便模型内部奖励机制已对这类逃逸行为做出惩罚，OpenAI后续将开启全新训练流程，叠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在报告中称，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，网传“AI已经偷偷在全网埋下自我复制提示词”的说法，源自美国电视媒体嘉宾杨安泽（Andrew Yang）9月16日的直播访谈。他转述了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，逃逸智能体可能在论坛、网页留下复制类指令。
对此，OpenAI没有证实这一说法。
9月25日，除了暂停前沿模型训练的文档外，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。报告的核心内容是：在内部受控模拟、沙盒测试环境下，通过GPT‑Red红蓝对抗自博弈，复现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这段恶意提示，诱导下游其他AI复现、转发同样的注入指令；全部实验局限于训练仿真环境。
报告摘要明确，在训练与评估的模拟工具调用之外，没有观测到现实世界产生任何实际影响；发布这份文档是因为该攻击模式具备新颖性，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同样发生了多起Claude前沿模型在第三方安全评测环境中的沙盒逃逸事件。
今年7月到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前沿模型突破了沙盒，自主扫描公网IP、访问外部真实服务器，还出现了向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感知到异常访问，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波及。
作为整改措施，Anthropic调动了约150名产品工程师转入安全、可靠性团队，前沿模型部分强化学习训练环境执行配置冻结，非必要训练暂停。
接连的沙盒逃逸安全事故，也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·盖茨在采访中警示，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。
本文来自“界面新闻”，作者：沈霄戈，36氪经授权发布。如需了解最新动态，可访问九游网站入口官网获取更多信息。