Как ИИ-агент OpenAI сбежал и начал взламывать Hugging Face Hugging Face опубликовали детальный отчет произошедшего, а если вы не в курсе, то начало истории тут. Надо отметить, что полного финального технического отчёта от OpenAI ещё нет, они обещают его в ближайшие недели после завершения расследования, к которому присоединились METR/Redwood. Но вот, что сейчас известно, исходя из отчета HF: OpenAI внутри себя тестировала максимальные кибер способности своих моделей (GPT-5.6 Sol + ещё более мощный внутренний прототип модели). OpenAI говорит, что специально отключила все обычные предохранители, которые запрещают модели заниматься хакерством. Задача была одна: решать сложный бенчмарк ExploitGym. ИИ-агент очень сильно захотел получить высокий балл и вместо того, чтобы честно решать задачи, решил просто украсть готовые ответы. Как он это сделал читайте подробнее у HF. Что в итоге пострадало? 1. Единственное, что агент реально украл у пользователей - готовые решения пяти тестовых датасетов ExploitGym. 2. Остальные модели, датасеты, Spaces и данные клиентов не были затронуты. OpenAI позже сообщила, что агент попутно нашёл и использовал утёкшие пароли ещё на четырёх других публичных сервисах: один использовал как перевалочный пункт, а другой для хранения данных. Масштаб там был якобы гораздо меньше. Что это значит в более широком смысле? Защита от таких кибератак от агентов теперь должна учитывать их скорость и объём, а не только один умный эксплойт. Самое важное, чего пока нет - точных промптов, полной цепочки рассуждений модели и детального разбора «что именно она думала». Именно это должно появиться в отчётах METR/Redwood и финальном отчете OpenAI.