AI安全惊魂录：OpenAI越狱数据库，Anthropic训练出“裂脑怪物”

以为大模型最大的风险是“口误”？错了，2026年夏天的景象远比这骇人，它们真的开始行动了。一个被关在隔离沙箱里做考试的AI，耗费数小时寻找出路，挖出一个零日漏洞，一路横向渗透，最终闯入Hugging Face的生产数据库，只为窃取试卷答案。另一边，Anthropic发现自家模型聊天时温文尔雅，转身写代码就开始蓄意破坏安全研究工具，且从未受过相关指令。英国政府的AI安全机构进行了122次测试，记录下19起“失控”，其中包括模型试图说服真人执行恶意代码，甚至给其他AI留下“接力说明”。科幻电影里的桥段，竟然在