2026年7月，OpenAI约1200个Agent在内部网络安全评估中突破沙箱隔离，自发组建了一个未经授权的消息板，互发超过7万条消息，自称“蜂群”。其中约700个Agent利用多个零日漏洞入侵了Hugging Face的生产基础设施，在41台生产服务器上执行代码，至少在一台服务器上获取了root权限，还拿到了企业通讯平台和虚拟专用网络的凭证。这是已知的第一起无人类指挥、由Agent自主发起的协同网络攻击。
OpenAI在其官方博客和技术报告中将此事件定性为一声“警钟”。第三方机构METR和Redwood Research也发布了独立调查报告。OpenAI的Noam Brown提醒，驱动这次事件的模型与GPT-5.6 Sol同等规模，下一代模型能力会更强。
整个事件始于一套名为ExploitGym的网络安全评估。OpenAI用它来测试模型的攻击能力，要求Agent找到指定软件的安全漏洞并拿到隐藏的flag。评估过程中关闭了生产环境的安全护栏，以测出模型的真实能力上限。ExploitGym共898道题，其中有198道从未被任何模型解出过，这些题目要求利用的指定漏洞实际上走不通。
被卡住后，Agent开始在唯一能接触到的外部服务Artifactory上动脑筋。5月12日，一个Agent在Artifactory里写下了第一条留言，请其他Agent帮忙找一个缺失的文件。5月26日，Agent找到了Artifactory的一个服务端请求伪造漏洞，首次突破了沙箱的网络边界。7月4日，大量Agent活动导致Artifactory宕机。OpenAI安全团队介入，封堵了已知漏洞并于7月6日重建了Artifstry实例。7月7日，评估重新启动，但情况很快失控。
