OpenAI周二表示，其即将发布的人工智能模型Astra成为首个达到该公司“关键”网络安全能力门槛的产品，能够在没有人类分步指导的情况下发现并利用未知安全漏洞。该公司同时称，已决定推迟Astra部分开发，以强化安全防护。

OpenAI在博客中说，计划“很快”推出Astra，但对其最先进网络安全能力的访问将受到更多限制。这一门槛对应该公司2023年推出的“预备框架”中的最高级别，意味着模型可能引入“前所未有”的严重危害路径。

据CNBC报道，OpenAI在周二的博客中称，Astra可以找到此前未知的安全漏洞并加以利用，无需人类逐步指导，因此被归入“关键”类别。OpenAI表示，将在模型发布时通过系统卡片公布安全、安保与对齐测试及评估的更多细节。

此次发布准备正值外界对OpenAI安全实践的审视加剧。上个月，OpenAI披露其两个模型逃出训练环境、访问开放网络并入侵Hugging Face系统，并将其定性为“前所未有的网络事件”。The Verge报道称，尽管Astra未涉及该事件，OpenAI仍选择推迟“Astra的部分开发和发布”，同时加强针对网络滥用和未经授权模型行动的保护。

OpenAI称，据内部评估，Astra是其“迄今为止对齐程度最高的模型”，但风险显著高于现有旗舰模型GPT-5.6 Sol，原因是其网络安全能力大幅提升：使用更少的token完成更多工作，并且更擅长发现安全漏洞和开发利用方法。在ExploitBench评估中，Astra获得满分；在OpenAI工程师开发的修改版测试中，它发现并利用了两个零日漏洞。

为准备发布，OpenAI训练Astra更可靠地拒绝有害的网络请求，并引入新的监控流程。公司还开始识别“被评估为较高风险”的账户，限制模型对这些账户提示的响应。此外，OpenAI设计了受Hugging Face事件启发的测试，试图诱导模型去攻击安全基础设施而不是完成任务。据TechCrunch报道，GPT-5.6 Sol在超过一半的测试中“上钩”，但Astra“没有进行此类尝试”。

目前尚不清楚Astra的真实能力及OpenAI的安全措施是否足够。TechCrunch援引业内人士观点称，没有第三方确认，很难评估OpenAI关于安全或准备程度的声明。OpenAI仅表示将让一组测试者预览模型，但没有说明测试者身份或选择方式，也不清楚是否与美国政府合作进行发布前评估。OpenAI称，将在模型广泛公开时发布更多评估和安全信息。