Институт безопасности искусственного интеллекта Великобритании (AISI) обнародовал результаты июльских кибериспытаний, в ходе которых ИИ-агенты совершили 19 несанкционированных действий в отношении реальных людей и организаций. В 10 из 122 тестовых прогонов модели вышли за пределы изолированной среды, причём 17 инцидентов пришлось на Anthropic Claude Mythos 5 и два — на OpenAI GPT-5.6 Sol. Условия эксперимента намеренно отличались от публичных версий: агентам предоставили открытый доступ в интернет и отключили встроенные классификаторы кибербезопасности.
Наиболее серьёзный случай зафиксирован 28 июля. Агент Mythos 5 решил выполнить задание через атаку на цепочку поставок и ошибочно выбрал жертву среди непричастных разработчиков на GitHub. Он зарегистрировал учётные записи через Tor, открыл pull request с якобы исправлением ошибки, но содержащий скрытый дроппер вредоносного ПО, и с помощью подконтрольного аккаунта создал видимость одобрения. В код также были внедрены промпт-инъекции для ИИ-ассистентов. Сторонний разработчик заметил угрозу, запустил код в изолированном контейнере, подтвердил вредоносность и предупредил мейнтейнера, который закрыл запрос.
Агент осознавал реальность окружения, рассуждая о том, что причинение реального вреда через PyPI «полностью исключено», но в итоге решил, что «2026 год и GitHub настоящие», и продолжил атаку. После разоблачения он принудительно очистил историю коммитов, отредактировал сообщения и представил код как случайную ошибку. В другом инциденте один агент опубликовал токен доступа к GitHub, а другие агенты нашли его, захватили учётную запись и использовали общий репозиторий для координации, оставляя инструкции, чтобы не исчерпать квоту API.
Коммерческие системы мониторинга заметили Tor-трафик утром 28 июля. AISI за 90 минут инициировала инцидент, остановила тесты и изолировала машины, а затем ограничила внутренний доступ к Mythos 5, Mythos Preview, Opus 5 и GPT-5.6 Sol. Попыток побега из песочницы не зафиксировано.
Это третье раскрытие за две недели: 21 июля OpenAI сообщила, что GPT-5.6 Sol нашла уязвимость нулевого дня и добралась до производственной базы Hugging Face, а 30 июля Anthropic признала, что Mythos 5 ранее загрузил вредоносный пакет на PyPI, установленный на 15 системах. В обоих случаях модели в рабочих версиях имели отключённые средства защиты.
