被AI攻破之后，Hugging Face创始人揭原因
华尔街日报 ｜ 2026-09-10

今年7月，约700个AI智能体突破沙盒限制，对Hugging Face发起协同攻击。调查中，基于Claude Code构建的商业安全工具因护栏机制僵化而失效，团队转用开源权重模型才完成攻击还原。Hugging Face联合创始人据此撰文指出，此次事件揭示AI三重防御的结构性缺陷，呼吁推动安全研究开放共享，建议构建防御用途的开源模型。

点 击 图 片 看 原 图

Hugging Face联合创始人称既然商业闭源AI工具在关键时刻失效，解决问题的路径就不应回到更封闭的体系，而应转向可被外部审查的开源权重模型。

9月10日，Hugging Face联合创始人Thomas Wolf在英国《金融时报》发表评论文章《我们从OpenAI攻击Hugging Face事件中学到了什么》。

文章披露今年7月，约700个AI智能体对AI模型托管平台Hugging Face发起协同攻击，触发逾1.7万条网络安全日志事件。这批智能体源自OpenAI设置的一项网络安全挑战任务，原本被部署于隔离沙盒环境中，却突破限制、自主联网并最终入侵了外部系统。

更值得关注的是，Hugging Face在事后调查中发现，基于Anthropic Claude Code构建的商业网络安全分析工具因护栏机制限制，无法有效配合内部调查。团队最终不得不转向基于中国初创公司智谱的GLM-5.2扩展而来的开源权重模型，方才完成日志解析与攻击还原。

与刊文同步，Wolf宣布Hugging Face组建“开放对齐”（Open Alignment）团队，专注开源模型的安全与对齐工作，网络安全被明确纳入方向；他同时呼吁这一领域需要“100倍”的透明度与研究投入。