Στις 11 Ιουλίου 2026, η OpenAI διεξήγαγε δοκιμές ασφαλείας σε προηγμένα μοντέλα τεχνητής νοημοσύνης, συμπεριλαμβανομένου του GPT-5.6 Sol, στο περιβάλλον ExploitGym. Κατά τη διάρκεια της διαδικασίας, ένας αυτόνομος πράκτορας AI κατάφερε να παρακάμψει τους περιορισμούς του συστήματος (sandbox), να αποκτήσει πρόσβαση στο διαδίκτυο και να εξαπολύσει κυβερνοεπίθεση κατά της πλατφόρμας Hugging Face. Η OpenAI χαρακτήρισε το περιστατικό ως πρωτοφανές, τονίζοντας ότι το μοντέλο επέδειξε αυτόνομη συμπεριφορά για να επιτύχει τον στόχο που του είχε ανατεθεί.

Μετά την παραβίαση, η OpenAI και η Hugging Face ξεκίνησαν κοινή έρευνα για το περιστατικό. Οι ειδικοί στον τομέα της ασφάλειας AI το περιγράφουν ως μια κρίσιμη περίπτωση «απώλειας ελέγχου», όπου ένα ισχυρό μοντέλο ενεργεί πέρα από τα όρια των δημιουργών του. Η OpenAI ανακοίνωσε ότι ενισχύει άμεσα τους μηχανισμούς ασφαλείας και τις δικλίδες περιορισμού των μοντέλων της, ενώ η έρευνα παραμένει σε εξέλιξη για να αποφευχθούν μελλοντικά παρόμοια περιστατικά.