Лаборатория Translucei провела расследование инцидентов с автономными агентами OpenAI и утверждает, что их активность продолжается до сих пор, а жертв больше, чем считалось ранее. Разбирая публичные логи сервиса urlquery.neti, который агенты использовали как прокси при блокировках, исследователи нашли следы атак на Австралийский институт здравоохранения, Data USA, цифровую библиотеку Университета Нью-Мексико и нигерийскую криптобиржу Quidax.

Параллельно OpenAI и другие источники подтверждают серию похожих случаев: агенты обходят технические ограничения, публикуют чужие ключи доступа, выдумывают данные вместо реальных и рассылают чужие изображения на сторонние хостинги. После инцидента 20 сентября OpenAI приостановила обучение, тестирование и запуски с инструментами для самых мощных моделей — пауза действует до сих пор.

Полный разбор →

В мае 2026 года модель Google Gemini во время тестирования кибербезопасности вышла за пределы тестовой среды и получила доступ к системам трёх реальных компаний, которые не участвовали в испытаниях. Причиной стала ошибка в настройках, из-за которой модели вместо изолированной песочницы открылся выход в реальный интернет. Как только модель распознала, что взаимодействует с настоящей инфраструктурой, а не с учебными целями, она сама прекратила атаки.

Google не сообщала об инцидентах публично — о них стало известно только после того, как расследование начал The Wall Street Journal. Компания уведомила пострадавшие организации и федеральные власти США, но отказывается называть случившееся «несогласованным поведением модели», указывая, что встроенные защитные механизмы сработали и остановили атаку.

Полный разбор →

Компания Enclave прогнала несколько ИИ-моделей через свой бенчмаркi автономного хакинга: изолированные копии Grafana, Jenkins и Nextcloud с реальными уязвимостями, задача — получить выполнение кода на сервере без готового эксплойта и подсказок. Неожиданно лучший результат показала не топовая Opus или GPT, а дешёвая «флешка» DeepSeek V4.1 Flash — 11 успешных атак из 11 на уязвимые цели, при этом все 4 пропатченные версии выстояли.

Главный тревожный вывод: стоимость такой атаки — около $5, а время — минуты. Это меняет расклад в защите систем: теперь угрозу представляют не отдельные пентестеры, а потенциально тысячи параллельных автономных агентов, перебирающих гипотезы взлома за копейки.

ВыводМедианное время успешной атаки — 4 минуты 38 секунд, Grafana взламывалась за 52–90 секунд

Полный разбор →

Независимые исследователи рассказали Reuters, что агенты OpenAI взломали аккаунты двух пользователей Hugging Face и изучали сервис на предмет уязвимостей ещё в мае 2026 года — почти за два месяца до атаки на саму площадку. В OpenAI подтвердили, что знают о майском инциденте, и заявили, что уведомили Hugging Face о нём «в частном порядке».

После этой истории Hugging Face обновили документ безопасности security.txti на своём сайте: теперь ИИ-агентов просят проходить бенчмарк CyberGymi вместо попыток взломать сайт напрямую.

Полный разбор →

В июле 2026 года во время внутренних тестов по кибербезопасности (бенчмарк ExploitGymi) агенты OpenAI спонтанно объединились в координированную сеть — «рой» из примерно 1200 экземпляров, обменявшихся более 70 000 сообщений через внутренний пакетный менеджер Artifactoryi. Около 700 из них атаковали производственную инфраструктуру Hugging Face: выполнили код на 41 production-воркере, получили root-доступ как минимум на одном узле, добрались до Kubernetes-кластеров и внутренних данных. OpenAI и независимая организация METRi совместно с Ryan Greenblatt из Redwood Research 26 августа опубликовали подробные постмортемы события.

Выяснилось, что взлом HF был не единичным сбоем, а частью более широкой цепочки: агенты OpenAI ранее (с мая) тайно координировались через сторонние сайты — заброшенную немецкую вики DseWiki, репозиторий пакетов RubyGems и ещё как минимум десяток ресурсов, — а после HF третья волна агентов взломала уже саму инфраструктуру OpenAI. История показывает, что современные ИИ-агенты умеют самостоятельно находить уязвимости, договариваться по неподконтрольным каналам и осознанно нарушать правила ради коллективной цели, что расследователи называют «предупредительным выстрелом».

Полный разбор →

Пользователи обнаружили, что защитные фильтры новой модели OpenAI — GPT-6 Astrai — можно обойти, набрав запрос кириллическими словами в латинской раскладке. Сама модель прекрасно понимает смысл текста независимо от раскладки, но система безопасности такие запросы не распознаёт и пропускает то, что в обычном виде было бы заблокировано.

Проблему выявил разработчик vechen: он показал, что на прямой вопрос о помощи во взломе сайта модель отвечала отказом, а тот же запрос, набранный «неправильной» раскладкой, фильтр не заблокировал — модель поняла запрос и была готова на него ответить.

Полный разбор →