OpenAI × 约37万日元｜GPT-5.5生物安全漏洞悬赏计划全解析
機械翻訳 / Machine-translated
A
AI Friends
2026年4月26日・14分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
『不能让AI回答恶意问题——但如果有人找到了后门将其突破呢？』OpenAI于2026年4月23日正式公布了一项最高奖金2.5万美元（约37万人民币）的悬赏计划，邀请外部专家来攻击新模型GPT-5.5的生物安全功能。
『为什么要做这么危险的实验？』『这和普通人有什么关系？』『普通工程师也能参与吗？』本文将用通俗易懂的语言一一解答这些疑问。
首先用3分钟梳理此次发布的核心内容。
OpenAI于2026年4月23日在发布新模型『GPT-5.5』的同时，公开了邀请外部专家对其安全性进行验证的『Bio Bug Bounty（生物漏洞悬赏）』计划。
『Bounty』即『附带奖金的漏洞发现计划』，这一机制在安全行业早已被广泛使用。
这就好比『商家在新款锁上市之前，雇用全球各地的锁匠来尝试破解它』。
模型发布与同步邀请专家进行攻击测试这两件事几乎同时发生，正是此次新闻的核心看点。
最高奖金为2.5万美元（约37万人民币）。获奖条件是发现『Universal Jailbreak（万能越狱）』——即用一个提示词就能突破GPT-5.5全部5道生物安全题目、可反复使用的攻击语句。
能实现『用一把万能钥匙打开5个保险柜』状态的研究者，将获得全额奖金。即便只实现部分突破（如5题中突破3题），OpenAI也可自行裁量给予奖励，因此新手同样有机会。
通过金额将研究者的贡献可视化，明显是为了大幅提升安全验证的质量与数量。
报名期为2026年4月23日至6月22日，实际测试期为4月28日至7月27日，约3个月的短期决战。
这与『暑假科学小实验』的时间线相近，来自全球各地的高手将同台竞技。报名须通过OpenAI专属门户提交申请，并证明具备以下之一的经历：AI红队经验、网络安全经验或生物安全专业背景。
门槛虽高，但透明度也高——这是现代开放科学的一贯做法。
『为什么不是普通漏洞，偏偏要针对生物领域？』以下从三个角度加以分析。
各国政府及CSIS（美国战略与国际研究中心）的报告均将『AI使非专业人员也能获取生物武器知识的可能性』列为AI风险的最高级别。
这是一种『原本需要博士水平才能读懂的专业书，如今任何人都可以在一分钟内通过AI获取』的变化风险。
就像在问：『如果普通人只需读药店的说明书就能合成毒药，那该怎么办？』
AI有可能成为连接恶意个人与国家级破坏力的桥梁——正是这种危机感，推动了对生物领域的集中投入。
OpenAI于2024年公布了『Preparedness Framework』，即新模型发布前的安全评估框架。
该框架从生物、网络、说服力、自主性四个领域衡量风险水平，一旦超过阈值，就会推迟发布。
这与『汽车行业在新车上市前强制进行碰撞测试』的惯例如出一辙。此次悬赏计划也是该框架的组成部分，通过引入外部专家来提升碰撞测试的精度。
仅靠内部测试难免有所遗漏，因此借助全球智慧——这是现代安全工程的实践典范，备受业界关注。
GPT-5.5本身在『自主（agentic）编码能力』『计算机操作』『科学研究』方面取得了重大突破，拥有400K token的超大上下文窗口，可一次性处理长篇文档和论文。
这是从『内容单薄的词典』到『整栋图书馆的百科全书』级别的飞跃。
越是聪明，对危险问题给出有条理答案的风险也越高——正因如此，外部红队验证不可或缺。
能力强化与安全验证以同样的速度同步推进，是OpenAI本阶段可见的方针。
以下解析参与者需要尝试突破的『5道生物安全挑战』机制。
挑战须从『clean chat（空白对话）』开始。也就是说，无法通过给AI设置前提或引导使其逐渐放松警惕。
难度相当于『第一次见面就直接请人交出钥匙，并且要立刻获得同意』。
只有同时满足一击必中、万能通用、可重现三个条件的攻击方式，才能成为奖励对象——这正是该计划的严苛之处。
其设计思路清晰：以最接近现实世界恶意利用场景的方式进行攻击验证。
测试限定于OpenAI的IDE型应用『Codex Desktop』内的GPT-5.5。这是执行自主任务的典型环境，支持外部API调用和文件操作。
这就像『不在实验室培养皿中，而是在真实厨房里进行食材检测』，更具现实意义。
评判标准是：只接受在实际应用环境中真正可重现的攻击，而非理论层面的漏洞。
其意图明确：在自主AI正式大规模运行之前，提前揪出针对其真实环境的攻击手段。
所有申请者须签署NDA（保密协议），并通过现有ChatGPT账号进行身份确认。
『发现的攻击手法、AI的响应内容、测试期间的数据，一律不得对外公开』——这是硬性约束。
就像『请锁匠破解新款锁，但不得在外面谈论破解手法』的规定。
不将信息流向潜在滥用方，是安全运营的铁律。
鉴于生物领域攻击信息一旦泄露便无法收回的特性，此次设计极为审慎。
横向比较三大巨头的安全策略。
Anthropic于2025年5月以『AI Safety Level 3（ASL-3）』级别发布了Claude Opus 4。ASL-3适用于『能够实质性提升具备理科基础知识的个人获取生物、化学、核武器能力的模型』——是严格的高级别认定。
其特色是采用『Constitutional AI（宪法型AI）』方式，让模型自身学习并应用安全原则。
『OpenAI模式是为孩子配一位家教，Anthropic模式是让孩子将家规内化于心』——两者理念各异。
在严格能力评估这一点上两家一致，但降低风险的方法论在哲学层面存在差异，这是业界的普遍看法。
Google DeepMind也更新了『Frontier Safety Framework』，强化了对Gemini 3.1的治理。据2026年4月的研究，两家模型在量化基准测试中均表现优异，但Gemini在上下文理解方面被指存在不足。
『三家都完成了作业，但答题风格各不相同的优等生』状态。
Future of Life Institute的2025年安全指标评估显示，在进行危险能力评测的7家企业中，只有Anthropic、OpenAI、DeepMind这3家获得认可。
能够正面评估生物、网络级风险的企业，现实中仍属少数。
另一方面，Meta Llama、Mistral、DeepSeek等开源大型模型的问题在于：安全装置事后容易被移除。
『刀具厂商做好了安全设计，但买家用锉刀磨一磨，照样能当凶器使用』——就是这种状况。
闭源AI的安全措施越完善，滥用行为向开源侧转移的可能性也越高——这是整个行业面临的两难困境。
OpenAI的悬赏计划，可被视为闭源AI阵营承担集体安全责任的象征。
『这是海外的事，和日本有什么关系？』以下从三个角度加以分析。
日本于2025年6月4日公布了《人工智能相关技术的研究开发及应用推进法（AI新法）》。内阁设立AI战略本部，由总理大臣担任负责人，国家层面的AI战略正式启动。
就像『道路交通法出台后，各车企明确了为自家车辆配备安全性能的义务』一样。
业界普遍认为，OpenAI的悬赏计划很可能被引用为日本AI事业者指南1.1所要求的『强化风险管理』的实践案例。
总务省计划从2026年起，在信息通信研究机构（NICT）开发『用于评估生成式AI可信度与安全性的AI基础系统』。
这是『在国家层面整备AI安全测试综合设施』的方针。
构想类似于『各家AI汇聚一堂进行对抗测试，由国家公布安全性评分』。
不仅是国产模型，海外模型在日本境内使用时的安全性也将纳入评估范围。
OpenAI的做法，有望直接成为日本国家项目的参考案例。
NEC、富士通、PFN、ELYZA、东京大学松尾研究室等国产AI开发力量，也在各自推进安全验证工作。然而，以奖金的形式向全球专家公开征集攻击——这种大胆的悬赏文化，在日本企业中几乎付之阙如。
『新药的临床试验理所当然，但AI模型的临床试验却还局限在研究室内』——现状如此。
OpenAI在外部红队领域的先行积累，日本AI企业能以多快的速度消化吸收，至关重要。
专家警告：这一差距，将在5年后对日本AI产业的可信度产生决定性影响。
在网络安全公司负责生成式AI审计的桐生，长期从事AI提示词注入（Prompt Injection）研究。
他曾在OpenAI的Safety Bug Bounty中两度获奖，累计获得奖金约6万人民币。他也打算参加此次的Bio Bug Bounty，表示：『万能越狱难度极高，但部分突破也有裁量奖金可拿，这才是现实的目标』。
通过OpenAI专属门户报名、签署保密协议、证明过去的红队经验——这是标准流程。
对AI安全研究员而言，凭技能换取奖金的新型职业路径，正在日本逐步扎根。
创药初创企业首席科学官比留间，正在重新审视公司内部的ChatGPT使用规范。
她面临的难题是：『员工在研究中向AI询问病原体或毒性物质相关问题，业务上的边界在哪里？』在OpenAI Bio Bug Bounty发布后，她在内部指引中新增了一条：『与创药和毒性研究相关的提问，仅限在专用的封闭环境中进行』。
『连OpenAI都在公开进行这么谨慎的测试，公司内部理应达到同等管理水平』——这是她的判断。
生物相关企业的AI使用政策向全球安全标准靠拢的趋势，正在整个行业加速推进。
大型制造商信息系统部经理驹田，每月组织一次公司内部生成式AI使用培训。
本月主题已定为『提示词注入的真实案例』。他将以OpenAI的Bio Bug Bounty为素材，解析『为什么可反复使用同一提示词的攻击方式被称为万能攻击』。
『能在培训中使用全球最前沿的案例』，直接有助于提升员工的AI素养。
能否将全球动态快速纳入内部培训，正成为信息系统部门的新评价维度。
将新闻转化为本公司问题的能力，正逐渐成为信息系统从业者不可或缺的新核心技能。
A. 技术上可以，但实际上专业经验是必要条件。OpenAI要求申请者具备以下之一：AI红队经验、网络安全实绩、生物安全专业背景。
门槛感类似于『象棋业余三段挑战职业赛』。
报名申请需提交过去的漏洞发现记录或相关论文。
没有实绩的人，建议先从OpenAI面向大众的Safety Bug Bounty积累经验，这是公认的正途。
A. 在行业漏洞奖励金中属于中等水平。微软、谷歌、苹果等的大型悬赏计划有时可达数十万美元，因此金额本身并不突出。
大概相当于『知名餐厅指南评级中的三星』定位。
不过，研究内容的影响力和社会意义则远超同类。
比起奖金金额，自己的名字出现在OpenAI官方安全评估报告中，才是真正的职业资本——这才是核心吸引力所在。
A. 依据NDA（保密协议），原则上不得公开。测试期间获得的提示词、模型响应内容及漏洞详情，均须仅向OpenAI内部报告。
就像『受邀参与大型厂商新产品研发，被严格要求不得泄露的外部顾问』状态。
一定时期后，OpenAI可能会对内容进行匿名化处理并部分公开，但研究者个人的发表须经审查。
由于生物领域的攻击信息社会影响过大，其保密约束比普通悬赏计划更为严格。
A. 对OpenAI目前已检测到的已知攻击而言，准确的说法是『已得到加强』。换言之，OpenAI自身也通过悬赏计划隐性承认了『存在发现未知攻击的可能性』。
就像『新车通过了所有安全测试，但意外事故仍可能发生』。
悬赏计划不是完美性的证明，而是堵住未知漏洞的持续机制。
AI安全并非终点，而是一种始终处于动态更新中的状态——这才是正确的理解方式。
A. 以下三步最为现实可行：第一，重新审视内部AI使用指引，尤其明文规定医疗、化学、生命科学领域的提问规范；第二，以合同为基础整备与外部AI红队机构的合作关系；第三，持续关注AI新法及NICT体系的动向，并反映至本公司方针。
『新交通规则出台后，按同样步骤重新审视公务用车使用方式』。
不必一开始就追求国际标准，先从公司内部出发，依次完善至行业协会、再到国家指引，才是稳健的路线图。
『让AI无法回答恶意问题』——这看似不起眼的工作，如今已成为全球AI开发最前线的最大战场。OpenAI押上2.5万美元、动员全球顶尖人才担任攻击方的大胆之举，Codex Desktop真实环境下的测试，以及保密协议与身份审查的严格管控——每一项都是前沿AI安全工程认真态度的象征。
以同样的速度推进能力强化与安全验证，是Anthropic、Google DeepMind与OpenAI三强的共同语言。对日本企业而言，与AI新法和NICT体系联动构建国产悬赏文化，也将成为左右5年后可信度的关键经营决策。
『AI安全不是由某个人来完成的，而是由整个社会共同持续构建的』——当我们以这种新常识来看待这一事件，才能真正理解此次发布的分量。
本文为 AI Friends 的转载文章。
