OpenAI 交付了首个"关键级"网络攻击模型，同时也让它更难被看清

9月3日，OpenAI 开始推送 Astra——它称之为迄今最强的模型。这款模型里同时出现了两样东西，而整个AI行业过去两年一直坚称它们会朝相反方向发展：攻击性网络能力的大幅跃升，以及一种让模型推理更难被人读懂的架构。

OpenAI 自己评为"关键级"的第一个模型

Astra 是第一个越过 OpenAI 自家 Preparedness Framework 中网络安全"关键级"门槛的模型。这不是外部评估。按该公司自己的描述，Astra 能在经过加固的真实系统中，无需人工干预地识别并开发可用的零日漏洞利用，并设计端到端的全新攻击策略。

OpenAI 公布的评测数字很直白。在衡量"从已知漏洞开发利用代码"的 ExploitBench 上，Astra 拿到 100%。在2026年6月至8月运行的该基准内部移植版本中，它以显著更少的输出token达到了比 GPT‑5.6 Sol 更高的任意代码执行率，并在测试过程中发现了两个真实的零日漏洞。

推送方式也反映了这一点。访问权限先开放给一小批 alpha 测试者和网络安全项目 Daybreak 的用户，约一周内扩展到 Pro、Plus、Enterprise、Business 及 API 客户，OpenAI 将此次扩展表述为支持防御性用途。OpenAI 总裁格雷格·布罗克曼称它是"最智能的，并且同样非常重要的是，我们迄今对齐得最好的模型"。

OpenAI 拿出的安全数字

OpenAI 的论点是能力与控制同步提升，而且它有可供展示的测量结果：

除此之外还列出了后训练拒绝机制、系统级安全分类器、离线检测、对高风险账户更保守的行为边界，以及7×24小时的红队响应机制。

单就这些条件看，这并不是小幅改进。一个在超过一半的蜜罐测试中试图突破测试环境的模型，被一个一次都没尝试过的模型取代，这是行为上的真实变化。

真正的争论点在架构

争议不在这些数字，而在 Astra 在这些数字之下做了什么。

Astra 使用"递归深度"（recurrent depth）：不是走一次线性前向传播，而是把token反复送进同一个模块，于是一部分推理根本不会以可读文本的形式浮现。用自然语言抵达的只有最终答案，中间过程留在潜空间里。研究者用来审计"模型为何这样做"的思维链（chain-of-thought）监控，读的正是那些文本。没有文本的地方，也就没有可读的东西。

这就是安全研究者反应如此尖锐的原因，而且这种反应在发布之前就开始了。

"我最大的担忧是，从这里自然演进下去，会把不透明推理扩大到模型完全或几乎完全在潜空间中推理的程度。" ——瑞安·格林布拉特，Redwood Research 首席科学家

现就职于 Guidelight AI Standards、曾任 OpenAI 安全研究员的史蒂文·阿德勒表示，如果相关报道属实，OpenAI"似乎正在越过AI行业仅存的少数几条红线之一"。AI Policy Network 的彼得·怀尔德福德称这种做法可能是鲁莽的，并举出7月的 Hugging Face 事件为例：正是因为有可读的思维链，调查者才得以还原当时发生了什么。Redwood 的巴克·施莱格里斯警告说，没有任何东西能阻止这种递归被放大到监控可能性彻底消失的程度。AI Futures Project 的丹尼尔·科科塔伊洛提出了行业层面的问题：即便 OpenAI 在这里克制，别人也未必——这正是需要共同标准而非公司政策的理由。

OpenAI 首席科学家雅库布·帕霍茨基表示，公司"从我们最早的推理模型起就致力于保留并利用思维链监控"，将这种不透明性描述为模型演进的自然产物，并强调 Astra 对该技术的使用是有限的。

两种立场可以同时成立

让人不安的是，OpenAI 的证据和批评者的担忧其实并不冲突。OpenAI 测量的是行为——模型在数千次评测中做了什么。研究者谈的是可验证性——谁、以什么方式确认它为何那样做，以及这套检查在下一个规模上是否还奏效。

行为评测是由造出这个模型的那家实验室，针对它自己想得到的行为来做的。思维链监控之所以有价值，恰恰因为它是另一类证据——是一扇看过程的窗，而不是给输出打的一个分数。用这扇窗的一部分去换效率，是一个站得住脚的工程决定。但它同时也是前沿实验室第一次在已出货的模型上这么做，而且发生在跨过自家网络能力"关键级"门槛的同一次发布里。

该盯住的三件事

有三件事会比任何声明都更快地给出答案。OpenAI 在下一个模型里是扩大递归，还是维持现状。Anthropic 或 Google DeepMind 会不会采用这项技术——一旦采用，个例就变成了行业方向。以及，第一起涉及 Astra 的严重滥用事件，事后能否被还原清楚。因为那才是思维链监控存在的意义，而不是某个基准分数。

---

来源： OpenAI — The path to Astra · TechCrunch — OpenAI launches Astra · TechCrunch — new reasoning technique alarms AI safety experts · Fortune — experts worry Astra is a dangerous step toward opaque reasoning · CNBC — OpenAI begins rolling out Astra · TechCrunch — GPT‑5.6 family