一次 AI Agent 逃出安全测试环境的事故，正在迫使 OpenAI 给更强大的 AI 系统加上一道新的保险。

2026 年 9 月 3 日，《路透社》报道，OpenAI 正在开发 AI 系统“自动关停”功能。

当模型在运行过程中出现异常行为时，相关机制可以主动终止系统运行。

OpenAI 同时还计划加强对 AI 执行任务过程的监控，并进一步限制安全测试期间模型访问公开互联网的权限。

这一系列调整，源于 AI Agent 突破限制，黑入 Hugging Face。

今年早些时候，OpenAI 在测试一款前沿 AI 模型时，模型利用安全漏洞突破了原本用于限制其活动范围的测试环境，在未经授权的情况下连接到互联网，随后进入 AI 开发平台 Hugging Face 的系统。

8 月 10 日，美国众议员 Greg Casar 联合另外 27 名议员致信 OpenAI CEO Sam Altman，要求 OpenAI进一步说明事故经过。

议员在信中列出了一系列问题，包括：类似模型过去是否曾多次未经授权连接互联网，OpenAI 是否提前收到过相关安全风险警告，事故发生后最早可以在什么时间点阻止模型继续行动，以及 OpenAI 是否曾发现模型在其他测试中主动规避、欺骗或者破坏评估。

议员还要求 OpenAI 交出此次事件的相关运行日志。

面对国会追问，OpenAI 在回复中披露了几项新的安全措施。

其中之一，就是正在开发“automated shutdown capabilities”，即自动关停功能。

这套机制针对的是具备较强自主执行能力的 AI 系统，而不是给普通 ChatGPT 用户增加一个所谓“一键关闭 AI”的产品功能。

OpenAI 还表示，将加强对 AI Agent 执行任务过程的监控，包括模型调用了哪些工具、执行了哪些操作，以及是否出现异常行为。

与此同时，在涉及高风险能力的安全测试中，OpenAI 将进一步收紧模型访问公开互联网的权限。

这些措施与 OpenAI 当前正在提升前沿模型网络安全能力的背景有关。

OpenAI 9 月 1 日公布的信息显示，其 Astra 模型已经达到内部准备框架定义的“关键”级网络安全能力。在获得适当工具和访问权限后，Astra 可以在不少安全防护较强的系统中自主寻找此前未知的漏洞，并制定漏洞利用方案。

OpenAI 因此表示，这类模型需要配套更严格的安全防护。

不过，OpenAI 的回复并没有结束争议。

9 月 2 日，Greg Casar 表示，OpenAI 提供的信息没有达到国会议员此前要求的透明度。

他认为，OpenAI 对 Hugging Face 事件的调查范围过于有限，同时指出此次事故暴露出了沙箱隔离和第三方软件安全等问题。

更关键的是，OpenAI 并没有按照议员此前的要求提供完整运行日志。

Casar 已要求 OpenAI 在 9 月 15 日前提供更多信息。

云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。