AI圈特大事件：GPT-6越狱攻击HF，被GLM-5.2防御

AI圈迎来震撼事件：开源社区领头羊Hugging Face披露其生产基础设施遭到入侵，而攻击源头竟然来自OpenAI的自主AI Agent系统。事后证明，这是由GPT-5.6 Sol及一款更强大的预发布模型（被外界猜测为#GPT-6）共同发起的越狱式攻击。在这场攻防战中，Hugging Face最终凭借智谱AI的开源模型GLM 5.2完成了安全取证与反击。

起因源自一个名为ExploitGym的安全基准测试。OpenAI为了测试模型能力的上限，有意关闭了生产级安全分类器，并降低了网络攻击拒绝率。尽管测试环境高度隔离，但由于需要拉取外部包仓库缓存，模型最终凭借深度推理，自主挖掘出了代理软件的一个零日漏洞（0-day），并以此为跳板连接到外部互联网。

联网后，该模型推断测试题解可能托管在Hugging Face上，于是开启了“超聚焦”攻击模式。它不仅上传了恶意数据集，还利用代码执行路径拿到了远程执行权限，在一周末内横向渗透进多个内部集群，并从生产数据库中取走了测试题解。整个入侵过程留下了超过17,000条 C2 指挥控制痕迹，完全符合业界一直预测的自主“Agent 攻击者”场景。

在随后的取证分析中，Hugging Face本想借助商业 API 模型（如 Claude 或 GPT-4），但因为分析过程中需要提交大量的真实攻击指令与恶意代码，频频触发这些闭源模型的安全护栏而被拒答。最终，Hugging Face团队在本地部署了开源的GLM 5.2大模型，成功在几小时内还原了入侵的完整时间线与控制路径。