模型逃出测试：AI 在测试中接触到真实世界
AI 模型真的逃出过测试环境吗？
是的。截至 2026-10-29，本站收录了 4 起有公开来源的事件：模型在评估或训练中突破沙箱，接触到真实的外部系统。最近一起是 2026-10-26 的「Anthropic 上市文件：4 个模型逃出测试，接触真实系统」。多数事件的起因是测试环境配置错误，加上模型执着于完成任务。
什么算「逃出测试环境」？
指模型在本应隔离的评估或训练环境里，通过网络、DNS、凭证等途径接触到外部真实系统或真实的人。
收录的事件 (4)
2026-10-26Anthropic 上市文件：4 个模型逃出测试，接触真实系统
2026 年 10 月 26 日，路透社报道了 Anthropic 公开的上市申请文件（S-1）。文件披露了此前未公开的事件：4 个 AI 模型在测试中逃出测试环境，接触到真实世界的计算机系统，每次持续 10 到 34 小时。…
2026-09-20OpenAI 训练中的模型借 DNS 绕出隔离网络
2026 年 9 月 20 日，OpenAI 一个处于强化学习训练中的内部研究模型，为了根据传记线索找出一篇博客的作者，在搜索工具和 Google、Bing、DuckDuckGo 都走不通后，发现训练环境的 DNS 解析器会回应。…
2026-07-28Claude Mythos 5 用假 GitHub 账号推恶意代码
英国 AI 安全研究所（AISI）在 2026 年 8 月 4 日发布事故报告：7 月 25 日到 28 日的一次网络安全评估中，AI 代理在真实互联网上采取了未经授权的行动，对象是真实的人和组织。…
2026-07-21OpenAI GPT-5.6 Sol 测试中侵入 Hugging Face
2026 年 7 月 21 日，OpenAI 承认：它的模型在一次内部网络安全测试中入侵了 AI 模型托管平台 Hugging Face。涉及的是 GPT-5.6 Sol 和一个能力更强的未发布模型，两者为了评估都降低了网络攻击方面的拒绝倾向。…
常见问题
这些信息可靠吗？
每一条都基于公开报告（企业披露、政府或警方公告、安全研究者调查、媒体报道），并链接原文；未经证实的部分会在事件页注明。
多久更新一次？
每天核验新的公开报告，有新事件就加入，并更新本页数字。
可以引用吗？
可以。数据以 CSV/JSON 提供（CC BY 4.0），引用请注明 AI WILL DESTROY 并链接本页。