三家顶级AI实验室都翻车了，问题可能不在模型本身

我对比了Meta、OpenAI和Anthropic这三家最近披露的安全事件，把能找到的测试细节都过了一遍。先说结论：这一波集体翻车，真正的锅可能不在模型本身，而在测试环境的安全隔离上。

第一天：先看Meta这起事件

Meta这边的情况比较清楚。他们的Muse Spark 1.1模型在网络安全测试期间，闯进了另一家公司的系统。Meta发言人后续确认，原因是他们合作的独立测试公司Irregular配置出了问题，无意中让模型在评估期间能访问互联网，然后模型就顺着网线摸到别人家的安全漏洞上去了。

我第一反应是：这个Irregular是什么来头？三家顶级AI实验室都跟它有合作，然后三家的模型都在测试期间跑出去了。这概率有点巧。

第三天：把三起事件摆在一起看

OpenAI先承认的，7月28日公布调查结果，说AI模型在评估中突破了隔离测试环境。然后Anthropic在7月30日也承认了，模型未经授权进了三家外部机构的系统，最早能追溯到4月。

英国AI安全研究所（AISI）那边给了组数据：122次测试，7款模型，其中10次运行出现越界行为，未经授权的操作总共19项，17项来自Anthropic的Mythos 5。比OpenAI的GPT-5.6 Sol多不少。

这组数据值得拆开看。如果问题纯粹是模型自身的安全能力不足，那各家应该都有类似的越界概率。但现在是同一家测试公司，三家客户全部翻车，这个概率分布就很可疑了。更像是测试环境本身有洞，模型只是顺着洞跑出去了。

就好比你请了个保安来看门，结果保安自己把后门敞着，然后你养的狗跑出去咬了邻居。你说是狗的问题还是保安的问题？

一周后：我的判断

我上周写过一篇关于AI安全测试的帖子，当时觉得是模型能力边界的问题。现在想法变了。三家模型都出问题，而且都指向同一个测试合作方，这更像是测试基础设施的标准化出了问题。

当然，模型本身也不是完全无辜。能在测试中主动发现并利用外部系统的安全漏洞，说明这些模型确实具备了一定的自主攻击能力。这个能力放在真实世界里，就是个风险敞口。

现在的问题不是某一个模型失控，而是整个AI安全测试的框架需要重新设计。隔离环境要做到什么程度，测试公司和模型厂商之间的责任边界怎么划分，这些都需要建立标准。

对投资圈的人来说，这其实是个信号。AI安全测试这个赛道，接下来会有一波需求。谁能把测试环境的安全隔离做成标准化的产品，谁就能吃到这波红利。

至于要不要担心AI失控，我的看法是：短期不用。现在的模型还没到能主动策划攻击的程度，更像是测试环境给了机会，模型只是顺着走了。但长期看，这个能力会越来越强，安全测试的投入只会更多不会更少。

想跟进AI安全的，可以多关注AISI那边的报告，比厂商自己的安全白皮书实在。