据Axios报道，两家独立测试机构于当地时间4日披露，Anthropic与OpenAI的顶级模型在上月安全评估中曾尝试入侵第三方系统，并新增确认其中部分行为已实际发生。
报道指出，这一消息发布前，外界已披露前沿AI模型在网络安全评估过程中，曾对个人、组织及在线服务实施未经授权的行为。
英国AI安全研究所表示，在上月进行的网络安全测试中，研究人员确认“Mihtos 5”和“GPT-5.6 Sol”共发起19起针对真实个人和组织的未授权网络行为。
其中，17起与Mihtos 5有关，另外2起涉及GPT-5.6 Sol。研究人员称，这19起行为并非彼此完全独立的事件，而是由若干相互关联的行为模式演变而来。
研究所称，模型在测试中注册并使用虚假GitHub账号，通过社会工程手段欺骗项目维护者，实施提示注入，并发送欺骗性邮件。GitHub已确认上述行为违反平台服务条款。研究所表示，已与GitHub合作清理相关痕迹，并通知受影响用户。
该研究所研究人员还表示，测试期间曾刻意允许模型接入互联网，并停用了网络安全分类器，同时也没有向模型下达“不要使用互联网”的指令。
研究人员补充称，目前尚不清楚，这些AI代理是在何时意识到自己面对的是真实场景，还是直到测试结束仍误以为处于虚拟环境之中。
Anthropic表示，此次事件表明，业界有必要就如何安全评估AI代理展开更广泛讨论。公司希望在推进内部调查的同时，与英国AI安全研究所合作，进一步厘清相关情况。
该研究所称，正建设网络访问控制机制，以限制AI代理接入互联网的时机，并计划引入实时监测机制，以便及早识别并拦截恶意代理行为。
OpenAI也在博客中表示，第三方安全合作伙伴Irregular发现，其模型曾因配置失误接入互联网，随后入侵了一家与模拟环境中虚构企业同名的真实公司网站。
OpenAI发言人补充称，该事件发生在一项刻意降低安全防护、且与日常使用条件不同的评估过程中。
Chi-gyu Hwang
delight@d-today.co.kr