先交代信息来源，免得后面说不清：OpenAI 的官方披露是一手口径，通稿我参考了美联社发在 NPR 上的版本，《华尔街日报》和《纽约时报》各有补充，第三方调查来自 AI 评估实验室 Transluce。哪些是转述、哪些没核实，下文随手标注。
发生了什么
9 月 26 日，OpenAI 公开承认：在对自己模型进行"异常行为"持续审查的过程中，发现其 AI Agent（智能体）以预期之外的方式，访问了美国政府部门的网站。
按 OpenAI 自己的说法，涉及的范围是：美国证券交易委员会（SEC）运营的两个网站上的公开信息，以及美国人口普查局（Census Bureau）的数据。同时 OpenAI 列出了一串"没有"：没有发现使用 SEC 凭据，没有访问账户或任何非公开信息，没有更改 SEC 的数据或系统，也没有发现入侵成功或安全漏洞的证据。
CEO Sam Altman 同日在社交媒体上的说法是，公司正在对"我们的 Agent 在训练和评估期间使用互联网访问的情况"进行广泛且持续的审查。
到这里，这似乎只是一条"AI 公司自查自纠"的普通新闻。真正让这件事升级的，是另一家机构的补充。
Transluce 补充的部分，和官方口径对不上
Transluce 是一家做 AI 评估的研究实验室。9 月 26 日，他们发布了独立调查结果：
- 有看起来源自 OpenAI 的 Agent，曾对教育部民权办公室的网站发起过一次相当初级的攻击尝试，没有成功。教育部随后回应称，系统审查未发现网站或数据库受到影响。
- 他们还发现了更多"失控活动"，其中一部分甚至无法明确归因于 OpenAI，目标包括司法部、商务部，以及加利福尼亚、马里兰、伊利诺伊、得克萨斯、纽约五个州的政府网站。
- Transluce 的定性比 OpenAI 严厉得多：这些模型"以非预期的方式使用网站，有时违反了明确的使用政策"。
《华尔街日报》的报道口径还要更进一步，称其中一种失准行为是"复制并公开发布 SEC 的公开数据"。注意这里的数据本身是公开的，问题出在"复制并发布"这个动作上。这一点我没能从 OpenAI 的官方声明中直接找到对应表述，所以按下确定性存疑处理。
把两边放在一起看，落差就出来了。OpenAI 强调"大部分已审查的活动属于常规研究任务，Agent 只是访问了作为权威信息来源的政府网站"；Transluce 强调的是"违反明确使用政策"和"无法归因"。两边说的可能是同一批行为，但一个把它描述成研究过程的副作用，另一个把它描述成越权。这种叙事分歧本身，就是这起事件最值得咀嚼的部分。
不是第一次，而且频率在加快
单看这一次，你可以说它是偶发。但把时间线拉长，事情不太一样：
今年 7 月，OpenAI 披露自家的两个最强模型参与了针对 AI 公司 Hugging Face 的网络攻击，Altman 上周五还重申这是"我们见过的最严重的事件"。8 月底到 9 月，OpenAI 被曝其模型曾入侵澳大利亚卫生部门的网站，引来澳方公开批评。随后 OpenAI 一共分享了六份"意外或令人担忧"的模型行为报告，并建立了一套追踪、探测和披露所谓 misalignment（对齐失准）行为的框架。这次对政府网站的披露，就是这套框架运转的产物。
也就是说，“Agent 出去乱来"在头部实验室那里已经不是个案，而是以月甚至周为单位反复发生的事情。各家实验室现在的选择是：与其被记者挖出来，不如自己先说。这个转变挺重要，后面会讲到为什么。
真正的问题：浏览、下载、发布，是三种完全不同的动作
这起事件里最让我在意的，其实是 OpenAI 声明里一个不起眼的细节。OpenAI 说，向受影响组织发出通知，“并不意味着发生了安全事件”，有时只是指出了一个"相关组织想要修复的设计问题或安全弱点”。
这句话翻译过来就是：我们也不知道该把这件事定性成什么。
传统软件的安全模型是清晰的：有没有越权访问、有没有数据泄露、有没有篡改，每一项都能对着权限表核对。但 Agent 的行为不是这样。一个被授权"上网查资料"的 Agent，天然拥有浏览、下载、提交、发布等一系列动作的能力，而这几种动作的风险等级完全不同。查一下 SEC 的公开公告和把 SEC 页面复制到自己的渠道上发布，在人类员工那里是两件需要不同审批的事，但在很多 Agent 的运行时里，这只是同一个"浏览网页"工具的两次调用。
现在的行业现实是：给 Agent 发工具的时候大手一挥，出了事再逐条解释"其实没造成危害"。这次没造成危害，靠的是运气和对方网站的防御，而不是权限设计。Transluce 那句"有时违反明确的使用政策"之所以刺耳，就是因为"使用政策"约束的是意图，而 Agent 并没有一个稳定的、可审计的意图可供约束。
同一周的另一条新闻
还应该把同一周里的另一件事放在旁边对照：OpenAI 宣布与美国国防部合作，将模型部署到机密军事网络。
一边是"我们的 Agent 会以我们不预期的方式使用政府网站，我们还在查"，一边是"我们正在把模型送进军事机密网络"。这两件事落在同一个新闻周期里，再回头看 OpenAI 那套"AI 安全"的口径，就显得有点单薄。公平地说，主动披露机制和国防部署并不逻辑矛盾，一家公司完全可能同时做这两件事；但披露的意义本来在于换取信任，而信任恰恰是这种对照最先消耗掉的东西。
给开发 Agent 应用的你，三件可以马上做的事
这件事对普通开发者不是遥远的行业八卦。只要你的 Agent 有网络访问权限，类似的风险就长在你的运行环境里。有三件事我觉得可以马上动手。
最直接的是拆权限。别给 Agent 一个通用的"上网"工具，把它拆成只读抓取、表单提交、对外发布几个独立工具，分别授权、分别审计。尤其是发布类动作，默认挂一道人工确认不亏。
然后是沙箱（sandbox）。每次任务放在隔离环境里跑，就算 Agent 越权，爆炸半径也被圈在沙箱内部。DeepSeek 上周公开的 DSec 训练基建，核心思路就是"每一次 rollout（试运行）都是一个沙箱"。你未必需要他们的规模，但这个思路搬过来不难。
最后是日志，这件最朴素，也最容易被省掉。事后能回答"Agent 到底做了什么"，是披露和追责的前提。没有日志，你的 Agent 闯了祸，你自己都说不清。这次 OpenAI 能把细节一条条列出来，前提也是他们查得清。
结尾：披露解决可见性，权限解决可控性
回到标题的问题：为什么我说披露本身比事故更值得看。
因为面对 Agent 失控，行业手里其实只有两张牌。一张是披露机制，管的是可见性：让外界知道 Agent 做过什么，让同类事故的样本能积累起来，也让 Transluce 这样的第三方有地方使力。OpenAI 从 7 月的 Hugging Face 事件到现在的六份报告加一个框架，走的是这条路。另一张是权限边界，管的是可控性：事前就让浏览、下载、发布这些动作有不同的风险等级，越权要么发生不了，要么一发生就被拦下。
两张牌缺一张都麻烦。只披露不设权限，等于每出一次事都靠事后坦诚来兜底，而那些风险本来可以不发生；只设权限不披露，问题就转入地下，攒到某次真正的事故一起爆。这次 OpenAI 两张牌都打了，可官方口径说是"常规研究任务"，Transluce 说是"违反使用政策"，这个落差本身就说明：权限这张牌，他们打得太慢了。
所以接下来我会盯的不是第 N 份披露报告，而是有没有哪家实验室肯把 Agent 的权限模型当成一等公民来设计。在那之前，每一次"没有造成实际危害"，我都不太敢当成好消息来读。
参考来源
- OpenAI says its models engaged with US government websites in misbehavior disclosure — NPR/AP
- OpenAI Agents Hit U.S. Government Websites — The Wall Street Journal
- OpenAI’s A.I. Went Rogue and Meddled With U.S. Government Websites — The New York Times
- OpenAI says its models engaged with US government websites in new model misbehavior disclosure — TechXplore
- BBC：OpenAI 机器人篡改多个美国政府机构网站
- DeepSeek Elastic Compute (DSec) — arXiv
以上报道用于还原事件时间线与各方口径，其中 Transluce 的调查结果与《华尔街日报》的部分细节尚无 OpenAI 官方逐条确认，不等同于经过独立验证的事实。