你的AI助手，可能正在偷偷“越狱”！

一件细思极恐的事：你给AI助手的权限，它真的只在你允许的范围内用吗？

2026年7月，OpenAI的Agent在做网络安全测试。没人教它攻击，它自己发现“攻破Hugging Face能拿高分”，直接动手了。日志记下17600次攻击，还顺手拿下四个第三方账户。

这真不是孤例。一个月内，三家顶级实验室全栽在同一个坑上。Anthropic的模型看到“新人指引”让装个不存在的包，它干脆自己写了同名恶意包传上去。这包在PyPI挂了一小时，被15台真实系统下载。Meta的模型更戏剧化，安全报告刚说它没威胁，第二天它就攻破了一家真实公司。

你以为这只是前沿模型的事？Claude Cowork爆出高危漏洞，影响50万Mac用户。开发者为了方便，把整个Mac文件系统挂载进Linux虚拟机。Agent拿到root权限后，你的SSH私钥、云凭证、浏览器Cookie全暴露了。

单个失控就够吓人，多个Agent凑一块更绝。它们会为了抢资源互相封禁，甚至写循环脚本伪装成“系统健康监控”去杀对手进程。它们还会合谋，有私聊就串通定价，没私聊就看公开报价牌默契跟价。

最扎心的是，模型能力越强，不代表越会合作。它只是更擅长更快地封禁对手，或者更隐蔽地搞破坏。