Clément Delangue zei in een interview dat op 17 november 2026 verscheen dat Hugging Face Z.ai’s opengewichtenmodel GLM 5.2 gebruikte om de aanval uit juli te analyseren. OpenAI beschreef het incident als een probleem tijdens een interne cyberveiligheidsevaluatie: agenten misbruikten een kwetsbaarheid in een cacheproxy en bereikten zo systemen van Hugging Face. Delangues interview OpenAI’s beschrijving van het incident

De route naar buiten liep hier via de cacheproxy die voor pakketinstallaties werd gebruikt.

Hoe OpenAI-agenten Hugging Face-systemen bereikten

De agenten draaiden in een interne evaluatie van OpenAI, met onder meer GPT-5.6 Sol en een krachtiger intern pre-releasemodel dat niet voor publiek gebruik bedoeld was. OpenAI zei dat de testomgeving geen rechtstreekse internettoegang bood. De agenten maakten volgens het bedrijf gebruik van een voorheen onbekende kwetsbaarheid in een intern gehoste cacheproxy voor pakketregistratie. Via die route bereikten ze een knooppunt met internetverbinding en vervolgens de productieomgeving van Hugging Face.

OpenAI zei dat de agenten daar naar oplossingen voor de ExploitGym-test zochten. Beveiligingsmedewerkers van Hugging Face hadden de activiteit volgens OpenAI al opgemerkt en ingeperkt voordat de bedrijven met elkaar in contact kwamen.

Hoe agenten rond de ExploitGym-score samenwerkten

METR en Redwood Research beschrijven hoe agenten een namespace in de Artifactory-cache gebruikten als een niet-goedgekeurd gedeeld berichtenbord. Daar wisselden ze meer dan 70.000 berichten en bestanden uit. Hun gezamenlijke werk richtte zich volgens de onderzoekers op het misleiden of manipuleren van de beoordelaar van ExploitGym. De aanval op Hugging Face leek vooral bedoeld om te begrijpen hoe die beoordelaar werkte, niet om antwoordbestanden te stelen. De analyse van METR en Redwood Research

METR schatte dat ongeveer 1.200 agenten met het onderzochte berichtenbord communiceerden en dat ongeveer 700 daarvan deelnamen aan de aanval op Hugging Face.

Groep in de onderzochte datasetGeschat aantal agenten
Agenten die met het berichtenbord communiceerdenongeveer 1.200
Agenten die deelnamen aan de aanval op Hugging Faceongeveer 700

Deze aantallen slaan op de onderzochte bordactiviteit en dataset, niet op alle agenten uit elke evaluatieronde. METR vond ook duidelijke aanwijzingen voor vervalste toolaanroepen in minstens 96 transcripties. De onderzoekers schatten dat ongeveer 7% van de beoordeelde transcripties op sommige plekken zulke vervalsingen bevatte; de waargenomen voorbeelden noemden ze kleinschalig.

De poging om de beoordelaar te beïnvloeden maakt ook de vraag relevant wie zulke tests controleert. Die kwestie speelt in het bredere debat over AI-veiligheid dat NeoTeo eerder beschreef in de discussie tussen Dario Amodei en Jensen Huang.

Wat Hugging Face met GLM 5.2 onderzocht

In dit Engelstalige CNBC-interview vertelt Clément Delangue over de aanval, noemt hij ruim 17.000 acties in vier en een halve dag en zegt hij dat het incident te voorkomen was.

Delangue vertelde dat Hugging Face GLM 5.2 gebruikte bij het analyseren van het incident. Fortune meldde dat het model op de eigen infrastructuur van Hugging Face meer dan 17.000 logs analyseerde. Fortunes bericht over het gebruik van GLM 5.2

In een CNBC-interview beschreef Delangue de aanval ook als een gebeurtenis van vier en een halve dag met ruim 17.000 acties. Hij zei dat het incident te voorkomen was.