OpenAI 釋出 Deep research 系統卡：o3 驅動，四項前沿風險評為中等

讓一個 AI 能夠自主在網際網路上漫遊、扒網頁、讀 PDF 甚至自己寫程式碼分析資料，聽起來是打工人的終極救星，但對安全團隊來說，這幾乎是一場噩夢。

OpenAI 針對旗下剛面向 Pro 使用者推出的深度研究功能，正式釋出了一份系統安全卡，首次拆解了背後的模型底座與潛在風險。

披著 o3 外衣的自主調研員

這份系統卡首先揭開了這個新功能的真實底座。它並不是普通的 GPT-4o 聯網，而是由專門針對網路瀏覽最佳化過的早期版本 OpenAI o3 驅動。

與以往一問一答的搜尋不同，Deep Research 具備很強的代理能力。它會在網際網路上進行多步驟的複雜任務檢索，面對海量文本、圖片和 PDF 時，能利用推理能力去理解內容，並在發現線索不符合預期時隨時調整策略。

如果遇到資料處理需求，它還能讀取使用者上傳的檔案，現場編寫並執行 Python 程式碼來完成計算和製圖。官方表示，這項能力是為了在廣泛的複雜場景下替人類分擔工作。

四項前沿風險全部達到中級

然而，當 AI 學會自己上網找資料，最大的隱患往往不是模型本身想學壞，而是網際網路本身充滿了陷阱。

OpenAI 依據其防範框架進行了前沿風險評估，在四個核心維度上，化學生物放射性核風險、網路安全、說服力以及模型自主性，Deep Research 的評級全部達到了中等水平。

在具體的安全威脅中，最棘手的是提示詞注入攻擊。由於模型需要抓取不受控的公開網頁，攻擊者完全可以在網頁隱藏惡意指令，誘騙正在抓取內容的 AI 偏離任務甚至竊取資料。

為此，OpenAI 在正式擴大推送前，專門引入了外部紅隊測試以及額外的人工探測與自動化測試。安全團隊重點加強了對公開個人資訊的隱私過濾，並專門針對網路搜尋中的惡意注入指令訓練了模型的防禦抵抗力。

為什麼重要

對於需要頻繁蒐集行業情報、梳理學術文獻或分析財報的人來說，這種具備自主調整路徑和程式碼能力的調研代理，確實能把幾天的工作壓縮到幾十分鐘。但現階段它依然是 Pro 使用者的專屬工具，並且在涉及高度精確的事實判斷時，依然不能忽視幻覺風險。

從行業角度看，OpenAI 將早期 o3 的強推理能力與多步工具呼叫結合，直接拉高了下一代 AI 代理的及格線。未來的競爭不再是誰家檢索更快，而是誰的代理能在面對髒資料和複雜邏輯時，懂得像人類研究員一樣及時轉向。

我們認為，OpenAI 這次在安全卡里把四項核心風險都標為中等，其實是非常誠實的做法。當 AI 擁有了執行程式碼和網路漫遊的權力，安全邊界就已經從單純的輸出合規，變成了複雜的動態對抗。單純依靠模型對齊來抵禦網頁裡的惡意注入，在未來更開放的網路環境下依然存在隱患，這場攻防戰才剛剛拉開序幕。