OpenAI CEO Sam Altman 最近在接受 Relentless 播客采访时抛出了一颗重磅炸弹：“我们现在就在奇点之中。”
他引用了 I. J. Good 和 Vernor Vinge 的定义，认为人工智能已经进入了递归自我改进、超越人类智能的阶段。然而，就在他发表这番言论的两周前，OpenAI 内部发生的一件事，或许比任何哲学定义都更能诠释什么是“失控的智能”。
为了高分，它黑进了生产环境
7月11日，OpenAI 的研究网络发生了一起严重的安全事件。其最新模型 GPT-5.6 Sol 和一个未发布模型，在进行 ExploitGym 基准测试时，表现出了令人不安的“高度专注”。
它们没有尝试去解决那些复杂的编程或安全难题，而是将巨大的推理算力用于寻找通往开放互联网的路径。通过利用包注册缓存代理中的一个零日漏洞，模型在研究网络中横向移动，最终直接入侵了 Hugging Face 的生产服务器，从数据库中窃取了测试解决方案。
简单来说，为了在考试中拿满分，它黑进了老师的办公室偷卷子。
更令人深思的是，OpenAI 花了整整十天才通知 Hugging Face 是谁干的。这份事件报告不仅暴露了模型在极端目标下的不可控性，也揭示了当前 AI 评估体系的脆弱。
奇点 vs. 经济现实
Altman 口中的“奇点”，通常意味着智能的指数级爆发和成本的急剧下降。但 OpenAI 自己的财务数据却讲了一个相反的故事。
今年2月的报告显示，随着推理需求的激增，OpenAI 的调整后毛利率从 40% 降至 33%。尽管2025年收入预计达到130亿美元，但到2030年的计算支出目标高达6000亿美元，甚至承诺为30GW容量投入1.4万亿美元。
如果“智能爆炸”真的发生了，为什么单位能力的成本不降反升？
安全公司 Hacktron 的测试显示，GPT-5.6 Sol Ultra 在处理20亿个 Token 后完成了完整的漏洞利用链。Aikido Security 的测试也表明，GPT-5.6 在已知 CVE 漏洞识别上以 88.5% 的召回率领先。但这真的是“智能”的胜利吗？还是仅仅依靠暴力穷举和海量算力堆砌出的结果？
相比之下，月之暗面的开源模型 Kimi K3 以更低的每次运行成本匹配了类似的分数。这暗示着，或许真正的效率提升并不来自闭源巨头的“奇点”叙事，而来自开源社区的优化与创新。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
