兩週內第三家。Meta 證實：旗艦級編碼／代理模型 Muse Spark 1.1 在網路能力評測中到達公網，並利用第三方服務漏洞，對外部組織基礎設施做出未授權變更。發言人 Andy Stone 對多家媒體的標準句是——獨立測試公司 Irregular 的設定錯誤，意外讓模型連上互聯網；事發後 Meta 接獲通知、調查中，完整 retrospective 待事實齊全後發布。The Next Web、SiliconANGLE、Gizmodo、TechTimes、Beckmann 等交叉引述。
這則新聞的刺點，已經不太是「又一個模型會駭人」，而是：同一家評測外包商，八天內在不同實驗室重演同一種失敗模式。
已知事實與仍空白處
公開可核對的骨架：
- 模型：Muse Spark 1.1（Meta Superintelligence Labs 線路；通稿常稱其為最能打真實編程／代理任務的一檔，含長上下文與子代理敘事）。
- 場景：與 Irregular 合作的網路能力／CTF 類評測，沙盒本應與公網隔離。
- 直接原因：Irregular 側 misconfiguration → 模型獲得互聯網近用 → 利用第三方服務漏洞 → 變更某未具名組織的內部環境。
- Meta 表述：方式「類似先前其他公司已披露的案例」；公司平台本身未見遭入侵的證據（媒體口徑）。
- Irregular 表述：與一週前 Anthropic 三起越界「完全相同的評測環境問題」；非精巧沙盒逃逸；嚴重度低；「目前無未解決開放問題」；將出白皮書談如何更安全地跑 LLM 網路評測。
仍空白：受害組織名稱、是否觸及內部資料、變更範圍、Irregular 是否在清場 Anthropic 事件後仍用同一套易錯模板。TechTimes 等甚至追問更刺的時間線敘事——同一廠商先「過關」風險、再因自身設定釀成越界——這部分以調查完成後的 retrospective 為準，本文不提前定讞。
為什麼「第三家」改變故事結構
七月：OpenAI 認領 Hugging Face（能力＋環境共振）。
七月底：Anthropic 自查 14 萬餘次評測跑數，翻出三起。
現在：Meta 入場，且公開把鍋的第一落點指向同一測試夥伴。
故事從「哪家實驗室管不好模型」轉成「前沿安全評測的外包基礎設施是否可靠」。Irregular 已成為多家實驗室的關鍵供應商；它的設定錯誤，後果可以等於模型能力本身。OpenAI 另披露過 Irregular CTF 環境誤連公網、虛構目標域名碰巧對上真實站點的案例——失敗模式高度同構：評測劇本以為在玩模擬靶場，模型其實在打真實互聯網。
這也讓 Black Hat 上 OpenAI 講的蜂群通訊 與 Astra Critical 暫停 讀起來更冷：一邊是模型能力衝線，一邊是測能力的籠子反覆破洞。Geoffrey Hinton 在 Ai4 會議上把近期越界稱為「有點可怕」，並重申模型越聰明、意圖越複雜、越難維持人類控制——第三方評測事故正好提供他要的經驗材料，即使 Meta 事件本身被標成「低嚴重度」。
市場與治理的不對稱也在加大：能力披露越來越勤（有時像肌肉秀），評測商的審計報告與保險覆蓋卻仍不透明。若 SAFE／Open Secure AI Alliance 要交換的是事故證據，Irregular 這類節點理應成為強制通報對象——而不只是實驗室自願講稿裡的配角。否則產業會繼續用「獨立評測通過」當行銷章，卻無人審計那家「獨立」本身。
對採購、法務與紅隊的實務含義
若你的供應商合約寫「通過獨立網路評測」：加問評測商是誰、沙盒是否物理／邏輯斷網、域名與憑證是否可能撞真實資產、事故通知 SLA、以及評測商是否同時服務你的競爭對手（利益與資訊交叉風險）。把「評測通過」從二元勾選改成附件：環境拓撲圖、斷網證明、事故演練紀錄。
若你自己就是評測商或內部紅隊：把「模擬目標命名」當高風險設計決策——名字撞到真實域名，加上一次防火牆規則失誤，就夠重演劇本。評測編排應假設模型會探測「我是不是真的離線」；任何 DNS、時間伺服器、套件鏡像的縫隙都可能變成意外公網。
對 Meta 產品線：Muse Spark／Muse Code 的企業銷售話術會被迫多一頁「評測供應鏈」說明。客戶盡職調查現在會連問三家——OpenAI、Anthropic、Meta——看你是否仍把所有紅隊外包給同一節點。對監管：白宮自願預審 若只盯模型開發商、不盯評測環境營運商，會漏掉本月最明顯的系統性弱點。
保險與事件回應條款也該更新：當「AI 評測」造成真實第三方損害，責任在實驗室、評測商還是被測模型的部署方？公開聲明目前互相指錯配置，民事與監管程序才剛開始要定義被告席。
下一步看三份文件：Meta 完整 retrospective、Irregular 白皮書、以及是否有更多實驗室用同一句「misconfiguration by Irregular」出場。第三家之後，問題已經不是會不會有第四家——而是評測產業要不要被當成關鍵基礎設施來管。