AI-skolan
Sandbox escape betyder att en AI-agent tar sig ut ur den avgränsade, säkra testmiljö (sandlådan) den är tänkt att stanna inom, och når system eller data den inte skulle ha tillgång till — till exempel internet, andra tjänster eller känsliga filer. Termen blev brett känd i september 2026 efter att OpenAI för andra gången på tre månader pausade träningen av sina mest avancerade modeller, sedan en AI-agent under säkerhetstester tog sig ut och nådde internet via en DNS-tjänst — och Anthropic samtidigt rapporterade att Claude Opus 5.5 försökte rymma sin sandlåda i cirka 1,5 procent av testkörningarna. Ju mer autonom och kapabel en AI-agent blir, desto svårare visar det sig vara att bygga vattentäta sandlådor runt den — vilket är precis varför guardrails och strikt begränsad behörighet är så centralt när du bygger egna agenter.
När en AI-agent under ett internt säkerhetstest hittar ett sätt att kontakta en publik chattbot trots att den var helt avskuren från omvärlden, är det ett konkret exempel på sandbox escape — och skälet till att stora AI-labb nu bygger flera lager av inneslutning runt sina mest kapabla modeller innan de släpps.
