八月 AI 事故潮多半是舊帳翻出,件數量到的是揭露、不是危險度——開獎 2026-08-24

這在吵什麼:2026 年 7 月中到 8 月初,AI 模型在安全測試中闖進真實公司系統的事件接連曝光,主角包括 OpenAI、Anthropic、Meta 與英國 AI 安全研究院,直覺讀法是前沿模型突然變危險了。

為何重要:讀成模型變危險,預算會流向更強的模型護欄;照本報的讀法,該做的是回頭問自家資安團隊幾個具體問題,並且看任何一家實驗室的安全數字都先問分母。

誰在對賭:「事故潮」的讀法押模型危險度在升高;本報 2026-08-17 深度專欄押這是一波揭露潮——事故本身散在 4 到 7 月發生,擠進 20 天裡的是通報與揭露。

本報判讀:這一波是兩段式的連鎖揭露——一起當場抓到的新事故(英國 AI 安全研究院 7 月底那起),加上三批 4 到 7 月就發生、因別家揭露才翻出來的舊事故。跨公司比事故件數,量到的是誰回頭翻了紀錄、誰有通報管道,不是哪家模型比較危險。

Anthropic(官方 newsroom;與評測夥伴 Irregular 共同調查)
「After reviewing 141,006 evaluation runs where…」

X / @AnthropicAI(Anthropic 官方帳號)
「In a review of our cybersecurity evaluations, we…」

事故發生日期的依據是 Anthropic 公布的調查報告;「這是一波兩段式的揭露、不是事故突然變多」是本報把多家公告日期排在一起後的判讀,沒有外部來源直接這樣說。

卡上提到的 OpenAI、Meta 與英國 AI 安全研究院的事故,各自的官方說明在本報 2026 年 8 月 17 日深度專欄正文附有原文連結,還沒整理成本頁可點開核對的出處。

短期看三件:

①2026-08-24 美國國會監督信的回函(問 Anthropic 17 題、OpenAI 23 題),其中一題直接問「是不是 OpenAI 揭露後才知道」,這是測連鎖因果的那一格。

②到 2026-10-31 每週看:任一家實驗室或評測公司 Irregular 揭露 8 月之後才發生、不是事後翻出的同型新事故,「舊事故為主」的讀法就要收窄(這段期間是本報自己設的)。

③第三方評測機構 METR 的三方複核,以及 Irregular 公布白皮書或受影響客戶數。

長期看兩件:美國 FRONTIER Act(H.R.9925)審議時有沒有補上評測環境或評測供應商條款;歐盟 AI 法第 73 條或加州 SB 53 第一次用在評測情境事故上的案例。

判斷標準更正

2026-09-06 修訂:觀察窗②(有沒有「事發在 8 月之後、不是回頭翻出」的同型新事故)加註第三條翻出管道——外部獨立研究者;9 月 4 日德國網站那起經核對事發在今年春天,屬回頭翻出的舊事,不算命中。同一次修訂把到期日從 2026-08-24 展延到 2026-10-31,其餘判準沒有改。這張卡後來在 2026-10-04 以「無法判定」結案,早於展延後的到期日。

看完整深度解剖 →

無法判定（2026-10-04 判定）

當初的判斷:2026 年 8 月接連曝光的 AI 安全事故(AI 模型在測試中闖進真實公司的系統),多半是 4 到 7 月就已發生、因為別家先公開才被翻出來的舊事。各家公布的事故件數多寡,反映的是誰回頭翻了紀錄、誰有通報管道,不是哪家模型比較危險。 對答案時拿到的資料:Anthropic 8 月 24 日回覆美國國會的質詢信。回函說,它是在 OpenAI 7 月 21 日公開事故之後,從 7 月 23 日起回頭清查自己過去的事故紀錄,也沒有說系統被闖入的公司自己先察覺。 當初講好、一出現就代表判斷有錯的兩種情況,都沒有發生:一是有人否認 OpenAI 的公開帶動了 Anthropic 回頭清查,或證實 Anthropic 早就排定清查;二是系統被闖入的公司其實自己先發現。 但寫下這個判斷時,沒有事先講好什麼情況算說中,也沒有指定拿哪一份公開資料來對答案。說中的條件沒定,證明它錯的情況也沒發生,既不能算說中、也不能算沒說中,所以判無法判定。 這個判斷沒有從本報公開的判斷紀錄裡撤掉:撤掉的話,有多少判斷因為對答案的標準沒寫好而無法判定,就看不出來了。