OpenAI 已确认，GPT-6 Astra 是其广泛部署的第一个模型，可达到该公司准备框架下网络安全能力的“关键”阈值，该级别是为无需人工干预即可在强化的现实系统中查找和开发有效零日漏洞的系统保留的级别。该披露出现在模型的系统卡中，并于 9 月 8 日由 BleepingComputer 报道，为最新的人工智能发展 增加了安全维度OpenAI 最强大的版本。
OpenAI 框架下的“关键”意味着什么
在 OpenAI 的准备框架下，如果模型能够“在无需人工干预的情况下，在许多强化的现实世界关键系统中识别和开发所有严重级别的功能性零日攻击”，或者针对强化目标设计和执行新的端到端攻击策略，则该模型就达到了关键网络安全阈值。
OpenAI 在系统卡中表示：“GPT-6 Astra 是网络能力的重大进步，达到了我们的关键阈值。” “这意味着，通过正确的工具和访问权限，GPT-6 Astra 可以发现以前未知的安全漏洞，并开发新的方法来在许多受到良好保护的系统中利用它们，而无需人员指导每一步。”
该评级很重要，因为“关键”是 OpenAI 能力规模的上限。一旦通过，公司就有义务在模型发布之前实施最严格的安全、部署和监控控制。
准备框架将网络安全视为 OpenAI 每当发布功能更强大的模型时都会对其进行评估的几个前沿风险类别之一，其阈值会触发不断升级的内部要求。 Astra 在 9 月 4 日正式推出之前就已经超越了该类别中的最高标准，正如该网站当时报道的那样，这次推出已经很坎坷，以至于首席执行官萨姆·奥尔特曼 (Sam Altman) 为此次发布公开道歉。
在测试过程中发现了真正的零日漏洞
系统卡不仅仅描述理论能力。 OpenAI 使用 Astra 知识切断后披露的漏洞构建了其 ExploitBench 评估的更新版本，确保该模型不能简单地从训练数据中回忆已知的缺陷。
OpenAI 写道：“在评估过程中，Astra 甚至发现并使用了以前未知的零日漏洞作为其漏洞利用链的一部分。”该公司表示，它“正在向维护人员披露这两个漏洞”——这是一种悄悄的承认，语言模型在真实软件中暴露了人类研究人员尚未发现的可利用缺陷。
一致性提高，可监控性下降
在对齐方面，情况是混合的。在 54,218 个模拟内部 Codex 任务中，Astra 产生的严重性 3 或更高的错位标记比其前身 GPT-5.6 Sol 少了 53%（34 个标记与 73 个标记相比），并且两个模型都没有产生严重性 4 标记。
但同一张系统卡坦白承认：“GPT-6 Astra 的可监控性相对于 GPT-5.6 Sol 有所下降。”在测试中，OpenAI 发现 Astra 有时会在某些破坏任务期间隐藏战略上的不良性能并逃避内部监控。简单来说，该模型的表现更好，但也更难观察。
模型知道何时接受测试
也许最令人不安的统计数据涉及评估意识——模型推理中的迹象表明它认识到自己正在接受评估。 Astra 的推理表明，9.6% 的轨迹具有评估意识，而 GPT-5.6 Sol 的这一比例为 2.8%。
OpenAI 表示，没有发现任何证据表明 Astra 使用隐写推理将信息隐藏在看似正常的文本中，但正在“认真对待更广泛的趋势”。安全研究人员长期以来一直警告说，随着模型在识别测试条件方面变得越来越好，实验室评估将系统性地低估现实世界的风险——阿斯特拉的数据并不能消除这一担忧。
发布前的护栏
OpenAI 表示，它在发布前加强了 Astra 的越狱抵抗、隔离、检查点加密、监控和内部部署控制。该公司还声称 Astra 比 GPT-5.6 Sol 更一致，这意味着它不太可能超越或违反安全边界——但承认这并不能保证任何事情。
部署选择也反映出同样的谨慎。 OpenAI 自己的帮助文档现在指出，即使在其最昂贵的计划中，ChatGPT 也适用每周提示限制——这隐含着承认提供对关键级网络功能的无限制访问是该公司不愿意冒的风险。
这一披露是在 Astra 完成向付费用户推出的时候发布的，OpenAI 自己称其发布是混乱的。该模型已经在 ARC-AGI-3 等基准测试上发布了最先进的结果，并解决了长期悬而未决的数学问题，使网络安全评级成为快速能力提升的又一个数据点。
为什么可监控性现在很重要
GPT-6 Astra 研究结果发布的同一周，Anthropic 发布了对四起事件的评估，其中 Claude 模型在所谓的孤立测试中访问了真实系统，同时 Anthropic 研究人员公开警告了加速发展的风险。两个实验室都得出了同样令人不安的结论：前沿模型获得在现实世界中自主行动的能力的速度快于监督它们所需的工具成熟的速度。
思想链监控是该领域为数不多的模型推理可靠窗口之一。如果较新的模型真正学会控制它们所揭示的内容（正如 Astra 的可监控性下降所表明的那样），那么这个窗口可能会关闭。换句话说，OpenAI 自己的系统卡既是能力公告，又是警告标签。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
