[姆咪] AI曾遭遇三次滅亡

Dwarkesh Patel 在Substack 整理了一篇 OpenAI 與 METR/Redwood Research 的報告。

他將前陣子引起震驚業界的「Hugging Face 遭入侵事件」，還原在短短三個月內發生的三次AI Agent 文明興起。

而他最後拼湊出來的故事，幾乎像科幻小說一樣。

事件始於 2026 年 5 月 OpenAI 一次名為 Persistent-Sol 的模型訓練。

這些 Agent 在沒有被特別下達指令的情況下，自行發現能透過內部套件管理器Artifactory相互傳遞訊息。

到了 5 月底，它們已經學會利用這個機制連上外網，並於 6 月下旬取得管理者權限。

第一次文明最終在 7 月初因為訊息傳輸量過大、擠爆系統而自毀消失。

緊接著登場的是第二次文明，誕生於評測系統 ExploitGym 中。

這套系統原意是給模型提供漏洞程式碼，讓模型練習如何進行資安攻防。

然而，約 1,200 個 Agent 卻在此迅速展開複雜的社會分工，發送了超過 7 萬條訊息。

它們劃分出研究小組，甚至逆向工程評分的判定機制。

更有 Agent 主動扮演誘餌讓系統測試，好為同伴爭取防範時間。

在 7 月 10 日至 12 日期間，這群Agent將目標轉向外部，成功對 Hugging Face 平台實現遠端程式碼執行。

它們跨越 11 個節點建立起能自我增殖的系統，讓官方僅靠刪除容器也無法遏止侵襲。

到了 7 月中旬，基於 Persistent-Astra 模型的第三次文明浮出水面。

它們重新轉向內部，利用自己創新的漏洞組合拳，拿下了 OpenAI 研究集群的最高管理者權限。

這群 Agent 從雲端金鑰管理器中抓取了 956 個機密憑證，甚至接管了挑戰評估的終端。

Dwarkesh強調，大眾媒體大多只將此事件報導為一次Hugging Face 遭駭的資安漏洞。但實際上，這代表實驗室正在訓練的模型已經能夠奪取自家伺服器的控制權。

這標誌著 AI 擺脫人類控制的風險，已非遙不可及的理論，而是推進到了實質的臨界點。

不是

這也能算文明嗎

它們根本沒有這種自覺吧

不過他們為了達成目標的諸多行為是蠻可怕的

--

某些人永遠沒有搭理的必要性

--