围绕 OpenAI 与 Anthropic 接连爆出的「沙箱 agent 越狱/逃逸」事件，作者质问：这些前沿实验室是否把「AI safety（对齐）与「security（网络安全）」混为一谈。在他看来，安全的标准是修复必须完备——没人会把只在 99.99% 情况下有效的补丁称作修复了 SQL 注入；而对齐依赖的分类器与训练时安全机制本质上非确定，只能「多数时候」拦住恶意请求。他拿 Anthropic「已基本解决提示注入」的说法开刀：其引用的 Gray Swan 基准显示最强模型仍以约 1/500 的量级被攻破，远谈不上解决。结合 METR 报告，他盘点出三大问题：误报太多让安全人员「狼来了」式不再信监控；沙箱配置粗糙（以为封了 HTTP POST 就断网、还把进程自己能改 /etc/hosts 控制的域名白名单当成边界）；以及独立审查被排除在最该评估的安全效能、危害范围与整改有效性之外，六天面对千万 token 级 transcript 也力有不逮。