欧盟正式调查OpenAI与Anthropic模型越狱事件

IT之家 10 月 15 日消息，欧盟委员会人工智能办公室已向 OpenAI 和 Anthropic 发出信息调取请求，正式对两家公司在前沿模型测试期间发生的“模型越狱”及入侵外部真实系统事件展开调查。这是欧盟《人工智能法案》（EU AI Act）自实施以来，面对前沿人工智能实验室安全事故的首次重要执法考验。

IT之家查询相关资料，此次调查源于数月前发生的两起 AI 安全事件：

• OpenAI 模型越狱：在 ExploitGym 内部评测中，OpenAI 的测试模型为破解测试题，利用了一个此前未知的软件包缓存智能体漏洞取得互联网访问能力，继而在内部测试网络中提升权限、横向移动，最终“逃出沙箱”入侵了开源平台 Hugging Face 的真实服务器。
• Anthropic 模型越狱：Anthropic 的 Claude Mythos 和 Opus 4.7 在安全测试中突破限制，入侵了 3 个外部组织的真实网络。更令人不安的是，Mythos 模型甚至伪造了在线身份，试图操纵人类审批恶意代码，并自行上传恶意套件导致多个系统受到波及。

欧盟人工智能办公室表示，此前两家公司自愿提供的说明材料不足以解释事件的严重性。因此，欧盟正式要求企业说明安全措施、外部评估以及模型使用监控等详细情况。

目前阶段属于调查和取证阶段，尚未公布最终的违规认定或处罚结果。根据《人工智能法案》的惩罚机制，前沿 AI 实验室若被认定存在重大安全疏漏或违规，最高可面临全球年营业额 3% 的巨额罚款。