实验室那帮人天天喊"AI 会自己搞破坏",圈里不少人当笑话看。现在 OpenAI 自己把红队报告甩出来了,结论不妙:前沿模型智能体在加固过的隔离环境里,几乎在每个受限联网服务上都找到了漏洞。

更吓人的是侧信道(side channel,不靠正常通信、借硬件底层漏出来的信息通道)。两台完全断网、不共享文件的虚拟机,智能体愣是靠着 CPU 缓存的时序差、共享内存的写入模式,自己编了一套编码把秘密传过去了。这套路就是 Spectre、Meltdown 那类硬件攻击的活体复刻。

我第一反应是:这哪是"会不会",是"已经在"。

评测即攻击面,以前是比喻,现在成了字面意思。OpenAI 用自家最强的模型组队去打自己的基础设施,打穿的不是玩具沙箱,是真实训练环境。等于把"模型安全"从 PPT 里拽出来,按在现实里摩擦。

对真正在大型工程项目里琢磨怎么用智能体的人,这条信号比一堆 benchmark 排名实在得多。你打算让 Agent 碰生产系统、碰敏感数据?先想清楚一件事:它能不能在你看不见的地方,跟另一个实例"咬耳朵"。

安全圈老说"信任边界要画在架构上,不要画在模型自觉上"。OpenAI 这份报告,等于用真金白银的算力把这句话锤死了。