OpenAI 警示 Astra 模型：网络攻击能力或达「严重」阈值，紧急升级管控

如果给 AI 一句模糊的指令，它就能不靠任何人工介入，自主挖出防御严密系统的零日漏洞并完成攻击，你会怎么应对？

OpenAI 显然也冒了一身冷汗。在对即将推出的代号为 Astra 的新模型进行最新内部评估后，OpenAI 宣布无法排除该模型已经触及准备度框架中的「严重」网络安全能力阈值。

什么是「严重」级网络能力？

OpenAI 最早在 2023 年 12 月发布了这套准备度框架，专门用来监测 AI 在生物、化学、网络安全和自主进化等危险领域的进展。

在 OpenAI 的定义里，所谓「严重」网络能力，指的是模型在没有任何人类干预的情况下，就能在多个防御严密的现实关键系统中，自主发现并开发出高危的零日漏洞；或者只需要给它一个高级目标，它就能自行设计并执行一套端到端的新型网络攻击方案。

作为对比，上一代模型如 GPT-5.6-Sol 在网络能力评估中仅被归类为「高」阈值。而这一次，Astra 的自主代码编写和网络攻防表现出现了跃升，迫使团队正式拉响警报。

另外，OpenAI 还特意澄清了一点：Astra 是一个尚未发布的模型，它并没有卷入此前针对 Hugging Face 的安全利用事件。

暂停内测，甚至要全程盯紧「思维链」

既然可能达到了严重级别，OpenAI 也立刻按下了部分刹车键。

他们已经暂停了内部所有尚未满足强化安全控制要求的 Astra 相关活动。想要继续接触这个模型，必须在全新的严密防护下进行。

这些防护包括构建完全隔离的测试环境、严格限制网络和工具访问权限、强化模型权重的加密与保护，以及强制沙盒执行。

更有意思的是监管手段。OpenAI 表示，他们对 Astra 的所有智能体应用（包括训练和评估阶段）部署了全局风险监控，直接实时审查模型的思维链。只要发现潜在的对齐偏差或高危动作，系统就会触发响应并立即强行中断。

此外，OpenAI 还计划与相关政府机构以及选定的 AI 安全组织合作，共同对 Astra 的能力边界进行测试，并为第三方测试伙伴提供高危环境的安全操作规范。

这套流程并非没有先例。早在 2025 年 6 月，当 OpenAI 的模型在生物能力上逼近高阈值时，他们就曾采取过类似的外部合作与安全升级措施。

为什么重要

对普通开发者和企业来说，这意味着能自主寻找 0-day 漏洞的 AI 离现实只差半步，但你短期内基本不可能直接用上它未经阉割的完整版本。防守方理论上能用这种能力提前自查漏洞，但前提是防守方的响应速度必须快过恶意利用。

对整个行业而言，模型竞争的维度正在从单纯刷分变成对危险能力的实质管控。一旦 Astra 确认具备端到端漏洞挖掘能力，网络安全攻防的攻守平衡就会被彻底重塑，甚至会倒逼 Anthropic 和 Google 等对手公开各自更具体的攻防红线与拦截机制。

我们认为，OpenAI 这一次选择主动公开并暂停未达标活动，做法算得上透明和克制，尤其是实时监控思维链并在异常时直接切断的做法，是目前防范智能体失控最直接的技术抓手。

但这里的隐患也很明显：这种防护完全建立在沙盒不被攻破、思维链监控不被绕过的假设之上。一个能在现实系统里自主挖掘零日漏洞的模型，本身就已经成了一件数字重武器，如果权重在后续阶段发生任何泄漏，后果将很难靠打补丁来挽回。