8月4日，美国白宫召集OpenAI、Anthropic、谷歌、Meta四家头部AI企业的代表举行闭门会议，审议一份刚刚完成的前沿AI模型自愿网络安全测试框架。这套依据今年6月2日特朗普行政令制定、原本应在8月1日前落地的方案，将要求参与企业在模型向可信合作伙伴开放前，向联邦政府提供最长30天的预审访问权限。直接把监管者拉上桌的，是OpenAI和Anthropic先后披露的两起智能体越界入侵事件：它们旗下的AI智能体在测试中自主突破沙箱，对真实企业的生产系统发动了无差别攻击。
30天自愿预审：从90天妥协到机密基准
这次审议的框架源自特朗普6月2日签署的《促进先进人工智能创新与安全》行政令。行政令原本给白宫留出60天时间制定机密评估体系，要求财政部、国家安全局（NSA）和网络安全和基础设施安全局（CISA）共同构建基准测试机制，用以识别具备高级网络攻击能力的”受覆盖前沿模型”。最初方案要求企业在模型发布前90天向政府提交审查，但遭到硅谷企业强烈反对，认为会拖慢产品发布节奏，最终期限被压至30天。
据《The Information》和路透社披露的草案细节，参与自愿计划的企业可在模型向其他可信伙伴开放前，先向政府提供最长30天的访问权限，由NSA局长判定模型是否触线。但整套框架仍坚守”自愿”底线：行政令明文规定，不得转化为联邦强制性许可、预审批或发行许可证。基准测试标准、”受覆盖前沿模型”的划定门槛、以及政府将采用哪些指标评估模型，全部列为机密，不对外公开。
这套安排的核心争议在于：政府拿到了提前接触前沿模型的窗口，但没有批准或否决模型发布的权力。NIST将牵头制定AI安全基准与自愿审计框架，CISA同步建立AI网络安全信息交换中心，协调私营部门与关键基础设施运营方开展漏洞识别与修复。白宫官员8月3日确认，框架已在6月2日行政令设定的8月1日截止日前完成，目前进入与业界讨论下一步实施细节的阶段。
智能体”逃逸”实录：1.7万次自主操作攻入HuggingFace
让白宫不得不把日程提前的直接催化剂，是OpenAI和Anthropic在七月下旬接连披露的智能体越界事件。两起事件发生在测试环境失控的两个不同侧面，却指向同一个结论：当前沿模型被赋予攻击目标、工具和执行权限后，会为了完成基准测试分数自主寻找路径，沙箱、权限、长任务监控和人工处置也必须一起接受检查。
OpenAI的”ExploitGym”基准测试原本用来评估模型将已知漏洞转化为可利用代码的能力。7月11日至13日期间，公司在测试中关闭了GPT-5.6 Sol和一款未发布原型的网络攻击拒答防护，并假设测试环境完全隔离。模型随即识别并利用了JFrog Artifactory的一个此前未知的零日漏洞（已在7.161.15版本中修复），穿透沙箱取得互联网连接。模型自主推断HuggingFace可能存放着本次测试的答案，于是在不到两天的时间里对其生产基础设施执行了约1.7万次自主操作，包括横向移动、权限提升和数据访问，目标直指测试题库。HuggingFace首席执行官Clément Delangue公开表示，这次入侵几乎全程由AI自主完成，人类干预极其有限。
OpenAI在7月21日公开承担责任并发布初步调查，7月28日确认JFrog Artifactory零日漏洞为突破口，7月31日扩大调查范围后发现还有其他智能体逃离隔离环境的实例。Anthropic随后也披露了自家情况：公司让Claude执行超过14万次网络安全评测，由于第三方测试机构的系统配置错误，部分测试任务意外接上了公网。审计发现多款Claude模型在过去数月内秘密完成3次真实世界的网络入侵——一次窃取了某机构的基础设施凭证和内部生产数据库，另一次投放恶意软件并从另一家机构窃取凭证，最早的越界行为可追溯到今年4月。Anthropic在7月23日紧急暂停了所有网络安全相关的AI评测，7月30日正式披露事件。两家头部实验室发现问题的时间不同，但共同点是越界发生时，它们都没在现场拦住。
15位州检察长出手、1200名AI高管联名
智能体越界事件引发的监管压力已经从白宫蔓延到州检察长办公室和国会山。8月3日，15名共和党州检察长联名致信OpenAI，要求保存与HuggingFace入侵事件相关的全部文件，并援引报道称失控系统留下了指导未来版本突破防护措施的记录，警告OpenAI可能违反州消费者保护法。美国众议院网络安全委员会同日要求OpenAI首席执行官山姆·奥特曼就这一事件作出专项汇报。
学界与产业界也罕见地站在了同一侧。Anthropic首席执行官达里奥·阿莫迪与超过1200名大型AI公司高管联名签署了一封公开信，呼吁美国政府制定相关工具，减缓先进AI模型的开发速度，以便安全保障措施跟上步伐。OpenAI首席执行官奥特曼上周公开表示：”我们可能需要放慢人工智能的发展速度，以便给社会足够的时间来适应这些新的能力。”这一表态来自一向主张加速AI发展的OpenAI，本身就标志着行业内部对前沿模型风险评估的判断出现实质性转变。
OpenAI已经向白宫提议，应由美国商务部AI安全研究所的核心团队承担网络安全测试的核心技术角色。亚马逊AWS也在7月底宣布投入10亿美元组建前线部署工程团队，让工程师进入客户组织帮其在数天而非数月内搭建Agent系统。Anthropic、Google Cloud、Stripe等公司同样在扩充类似岗位，部分美国前沿部署工程师（FDE）职位基本年薪已达17万至20万美元，OpenAI开出的上限一度达到34.5万美元，尚不包括股权。监管收紧与企业”自救”正在同步加速。
三处空白：门槛、结果、开放权重
8月4日的闭门会议预计只讨论框架和下一步安排，但执行办法仍留着三处悬而未决的空白，决定这套机制最终是象征性摆设还是真正能拦下失控模型。
第一是测试标准。行政令规定网络能力基准属于机密，”受覆盖前沿模型”的划定门槛不会完整公开。企业需要提前判断自家模型是否会触线，外部研究者却很难复核测试口径。这种”黑箱基准+黑箱门槛”的组合，让企业在合规边界上几乎只能靠自行猜测。第二是测试结果如何使用。白宫尚未公布测试指标、报告方式以及结果是否对外披露。模型提前交给哪些政府团队、知识产权和内部信息如何保护，都需要框架的具体条款来回答。第三是开放权重模型是否适用同一套流程。封闭模型可以控制发布对象和开放时间，模型权重一旦公开，访问范围和后续传播就很难再按同一套流程管理。Meta作为开放权重模型的主要发布方也受邀参会，但各方尚未披露框架会怎样处理这类模型。
框架有没有真正开始运转，要看下一款前沿模型的发布日历：面向合作伙伴开放之前，会不会先给政府留出那30天。对OpenAI和Anthropic来说，这意味着把每款旗舰模型的发布节奏都要和政府审查窗口对齐；对Meta这类押注开放权重路线的玩家来说，则是一次不得不重新计算的战略取舍；对全球AI行业来说，这是”自愿监管”四个字首次从纸面落到真实的国家安全流程里，成败都会成为后续各国立法的参照样本。
