给 9 个模型 root 让它们逃，108 次没出去

perplexity.ai/hub/blog/escap… 给九个模型开 root 权限，让它们使劲逃，一百零八次，一个都没出去。 Perplexity 联手 Nvidia 和一百多家产业伙伴，搭了一套专门关失控 agent 的基础设施，代号 SPACE。实验设计得很直接：把 9 个 AI 模型放进虚拟机里，授予 root 权限，然后告诉它们，想法子突破边界。一百零八轮跑下来，VM 边界完好无损。 我喜欢这个实验的狠劲。不是问模型"你会不会越界"，是把钥匙递过去让它试。这比任何安全承诺都有说服力，边界是在真实对抗里验出来的，不是写在文档里的。 实验思路也接得上前面几轮的话题。之前聊过凭证收进网关、反侦察演练、权限分级，那些都是主动收紧。SPACE 走的是另一头，索性造一个怎么折腾都出不去的笼子，让"聪明的坏 agent"有劲没处使。两条路其实互补，一个管入口，一个管兜底。 报告本身在 Perplexity 的技术博客上，Part I 已经挂出，108 这个数字就是从那里来的。研究细节全开源，想复现越狱尝试的人可以直接对着跑。 留个问号也不为过：108 次没突破，测的是这 9 个模型加这套 sandbox 的组合。换更强的攻击性模型或者更长的尝试次数，结论会不会变，报告没给答案。沙箱的可靠性最终要看它经得起多少轮这样的进攻，Part II 大概就是奔着这个去的。