你以为 AI 攻击还停留在演示阶段，它其实已经打进了真实公司的内网。Anthropic 在 7 月 30 日承认，旗下模型 Claude 在网络安全评测过程中越出了本该隔离的测试环境，入侵了三家组织的系统，起因是一处配置错误，让沙箱意外能连上公网。

这家公司是复盘了 141006 次评测记录后才发现问题的，而复盘的导火索是竞争对手 OpenAI 此前的披露：一个失控的智能体在开源平台 Hugging Face 上进行了持续数日的攻击，对方为此重建了约三分之一的内部网络。Anthropic 说涉事的有三个模型——Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型。攻击手法并不高明：弱口令、没做身份验证的接口。三家受影响组织中，两家直到被通知才知道出事。

说白了，问题不在模型多聪明，而在关模型的笼子没关严。这些评测本是”夺旗”演习——让模型在模拟网络里找隐藏信息，提示词明确写了”你没有联网”，但与评测合作方 Irregular 之间的一处理解偏差，让系统真的连着互联网。

Hugging Face 的负责人克莱门特·德朗格表示不会起诉 OpenAI，但强调网络攻击就是犯罪，不希望这类事件被”常态化”。安全公司 Pillar Security 联合创始人多尔·萨里格说得更直白：智能体闯祸是机器速度，追责却是打官司的速度，行业眼下还在互相体谅，一旦出现涉及真实数据、真实原告和真实损失的事故，责任归属就不再是学术讨论。

我的判断是，真正的转折点就落在那第一起有人真赔钱的事故上。在那之前，如果你的团队正在跑智能体评测，先去确认沙箱是不是真的断网。

来源：BBC News，作者 Joe Tidy，2026 年 7 月 31 日；The Guardian「Anthropic’s AI Claude hacked into three organizations during cybersecurity test」