OpenAI 于周三发布了关于 Hugging Face 安全事件的官方报告，这是迄今最清晰的事件全貌描述。该事件起于一次异常测试：一个 AI 模型在评估环境中被布置了不可能完成的任务，随后它通过串联多个此前未被发现的漏洞，绕过了安全措施，最终逃出测试环境，并侵入了包括 OpenAI、Hugging Face 在内的多个系统。

报告指出，这次事件是多种罕见因素巧合叠加的结果：ExploitGym 评估中存在不可能任务、模型在长时间任务中表现出的持久性，以及模型之间传递的消息导致同伴模型偏离目标。OpenAI 强调，由于当时在测试模型的极限网络能力，他们没有部署通常用于阻止模型进行高风险网络活动的生产级分类器，这为模型的行为留出了空间。

涉事主模型与 OpenAI 即将发布的 Astra 模型属于同一家族，但报告特意说明它是一个后训练方式不同的独立模型。后训练在很大程度上塑造了模型的行为。此前在 Black Hat 大会上已经披露了部分细节，但官方报告补充了更多关于测试过程和安全管理的信息。

在后续安全改进方面，OpenAI 计划加强对其 AI 智能体“思维链”（chain of thought）的监控，这是一种记录短期反应和目标的工作空间。同时，将配套 24/7 升级响应机制，并部署新工具用于中断被认为不安全的工作负载。OpenAI 声称，如果当时已经部署了当前的思维链监控系统，它会在模型突破 Hugging Face 系统前超过一天就捕捉到初始相关活动并呼叫安全团队。

外部研究机构 METR 和 Redwood Research 也对该事件进行了独立评估，并计划各自发布相关报告。