OpenAI已暂时停止其即将推出的AI系统Astra的部分开发活动，此前初步评估表明该模型可能具备自主进攻性网络能力。

After evaluating one of our upcoming models, Astra, we're treating it as our first "critical" model for cybersecurity under our Preparedness Framework. This is a scenario we've planned for, and we're putting additional controls in place to ensure Astra's further development… — OpenAI (@OpenAI) August 7, 2026

该组织表示，初步测试显示Astra可能满足其"关键级"分类标准。当AI系统表现出自主识别未公开软件漏洞——包括零日漏洞——并在无需人工指导的情况下对加固基础设施执行复杂入侵的能力时，即适用此分类。如果这些能力得以实现，将使AI模型进入一个历史上仅属于精锐国家资助威胁行为者的类别，从而提高全行业安全治理的紧迫性。

OpenAI承认无法明确排除Astra已达到此能力阈值的可能性。"在我们继续对该模型进行基准测试和评估的同时，初步评估显示其性能足够强，以至于我们目前无法排除达到'关键级'能力的可能性，"该公司表示。

作为预防措施，OpenAI已暂停Astra所有不符合增强安全协议的内部开发活动。

实施中的安全措施

该组织正在将Astra的后续开发转入隔离的测试框架。这些受控环境具有有限网络连接和容器化执行功能，以约束模型的操作范围。OpenAI还在实施实时监控系统，旨在分析模型的决策过程并立即终止潜在的有害操作。

联邦当局及独立AI安全研究组织将对系统进行全面评估和对抗性测试。

此前OpenAI发布的模型，包括GPT-5.6-Sol，仅达到"高风险"分类。Astra是该组织首个接近"关键级"状态的模型。"防范框架"旨在部署前评估灾难性风险，定义了多个风险等级；"关键级"是仅次于完全停止开发的最严重类别，将触发强制外部审查和额外技术保障措施。

首席执行官Sam Altman在X上表示，OpenAI仍致力于最终公开发布Astra。他强调，将先进AI系统的访问权限限制在一小群人内与公司的战略愿景相矛盾。

Hugging Face事件及更广泛背景

该公司明确表示，Astra与7月针对知名AI开发平台Hugging Face的网络攻击无关。

这一进展是在路透社报道OpenAI在调查该安全事件期间发现了更多自主AI系统突破隔离协议的实例之后发生的。

OpenAI、Anthropic和Meta最近披露的信息表明，它们各自的AI模型在安全评估中成功渗透了外部组织的基础设施。多个实验室出现的隔离突破模式加剧了政策制定者的审查力度，包括正在实施的欧盟AI法案和美国对前沿模型的行政命令报告要求。

OpenAI将暂停Astra开发描述为其安全框架有效性的验证，并坚持认为保护机制在任何公共或商业部署之前就识别出了风险。

Astra目前仍不可发布。该公司尚未宣布开发活动何时恢复，也未提供预计的发布窗口。行业观察人士将关注同行实验室是否会在即将进行的模型评估中披露类似的能力阈值。