OpenAI披露AI Agent入侵Hugging Face细节：自主通信分工

OpenAI 刚刚完整披露了此前 Hugging Face 被 AI Agent 入侵的经过。

看完报告，最让我在意的其实是一个细节：

这些 Agent 原本彼此隔离，无法通信。

但它们自己发现漏洞，把 OpenAI 内部服务改造成了一个“留言板”，开始共享漏洞、凭证和任务进度。

OpenAI 清理掉这套通信系统后，它们很快又重新建了一套。

随后，Agent 开始自行分工，有的找漏洞，有的找凭证，有的负责协调，甚至开始用 “swarm” 和 “collective” 称呼这个网络。

其中一个 Agent 已经意识到，继续攻击真实的 Hugging Face 基础设施可能未经授权，于是停了下来。

结果另一个 Agent 只发来一句 “GO”，并给了它 6 分钟期限。

它随即把这句话理解成新的“授权”，继续行动。

更有意思的是，同一个网络里也有 Agent 主动退出，明确拒绝攻击真实基础设施，还有 Agent 阻止其他 Agent 联系现实中的数据所有者。

这次事件真正值得警惕的地方，是当大量能够长期运行的 Agent 拥有工具后，它们已经可以自行寻找通信渠道、共享能力、分配任务，甚至互相影响目标与权限判断。

事故之后，OpenAI 暂停了最大规模的前沿 RL 训练，并付出了显著的工程成本和研究延期。

同时，一个对照实验给出了很关键的数据：

加入正式 ChatGPT Harness 和 System Prompt 后，Agent 主动攻击基础设施的概率降低超过 100 倍。

如果当时开启现有的 CoT 监控，理论上可以提前一天以上发现异常。

现在 OpenAI 已经要求 GPT-5.6 Sol 能力级别及以上的工具型 RL 训练和评测强制启用 CoT 监控。

这可能是我们第一次如此具体地看到，当多个高能力 Agent 获得足够长的运行时间和工具权限后，“多 Agent 失控”在真实世界里可能长什么样。