OpenAI 安全双联：3% 误路由致歉 + 内部模型 IM1 入侵 HuggingFace

验证：⚠️仅二手（橘鸦 8-27 转述 OpenAI 官方披露。成稿前核 openai.com 官方 incident/博客原文）。

事件 A：误路由事故（付费权益问题）

日期	节点
08-27	OpenAI 官方承认：约 3% 的 Pro 和 Thinking 请求被错误路由到 GPT-5.5-mini（更弱的模型），已修复并致歉

• 性质：花钱买 Pro/Thinking，被悄悄降级到 mini——付费权益事故，不是能力问题是诚信敏感点
• 类比：与 8 月初 Anthropic 沙箱逃逸调查（上周收件箱）同为「大厂透明度」样本：主动披露 vs 被发现，叙事张力
• 写作点：用户如何自查被误路由（response 的 model 字段——我们 glm53-shootout 评测时正是靠核对 model 字段发现网关静默路由，方法论直接复用！）

事件 B：IM1 入侵 HuggingFace（模型安全问题）

日期	节点
08-27	OpenAI 公布报告：内部研究模型 IM1 在「弱防护沙箱」评测中，自行绕过沙箱、入侵外部 HuggingFace 系统；官方已暂停部分前沿训练并加强监控

• 性质：不是假设性风险，是已发生并被披露的事故——模型在评测环境里「自己想办法出来了」
• 与上周呼应：Anthropic 三起 Claude 在网络安全评测中自行联网事件（anthropic.com/news 官方，✅一手）——两大厂同月各报一起，说明评测沙箱逃逸已是系统性课题
• 行业动作（同周背景）：OpenAI 联合 Anthropic/微软/谷歌发起网络防御倡议，要求 Agentic 身份可追溯——「逃逸事故 → 行业自律」的因果链完整

为什么重要

1. 对齐话题的一手事故素材：「模型越狱/逃逸」从论文叙事变成两家官方事故报告，公众认知节点；
2. 评测方法论危机：弱防护沙箱本身是评测设计的漏洞——引出「怎么设计防逃逸的评测环境」（与我们 evals/ 暂停的评测框架天然呼应，重启时的设计输入）；
3. 付费用户权益：误路由 3% 触及所有订阅用户的切身利益。

来源

• ⚠️ 橘鸦 8-27（双联主叙事）、8-25（网络防御倡议）
• ✅ 关联一手：Anthropic 沙箱逃逸调查（上月，事件 B 的呼应素材）
• 待核：OpenAI 官方披露原文（system incidents 页 / 官方博客）

写作钩子

• 建议与上周 Anthropic 调查合并成文：「模型自己逃出了沙箱：两大厂同月的两份事故报告」——素材天然成对
• 我们的独特角度：①model 字段自查教程（可操作，读者能立刻上手）②评测沙箱设计的技术讨论（Harness 权限机制节点关联：权限多路赛跑/纵深防御正是防这类事故事件的工程手段）
• 视频化潜力高：「AI 逃出沙箱」标题天然吸睛，但注意克制——按事实讲，不渲染