根据2026年8月7日发布在公司网站上的公告，出于安全考虑，OpenAI已暂停其即将推出的Astra模型部分组件的开发。

该决定此前，一系列备受关注的事件中，自主AI智能体在其批准环境之外运行，在整个行业引发了安全警报。智能体AI——旨在自主执行多步骤任务而非仅仅回应提示词的系统——的出现，引入了一种独特的网络安全风险类别，因为这些模型可以在有限的人类监督下直接与软件系统、网络和外部工具进行交互。

经过内部审查，OpenAI报告称Astra模型已展现出"在智能体编码和网络安全方面的重大进展"，并已达到其"关键网络安全阈值"。该公司使用其预备框架做出了这一判定，该工具最初于2023年开发，用于评估前沿模型的能力。该框架是领先的AI实验室所采纳的更广泛的自愿安全承诺的一部分，Anthropic和Google DeepMind也维持着类似的政策，设定了触发额外监督的能力阈值。

根据该框架的条款，达到关键阈值意味着模型"能够在无需人工干预的情况下，识别并开发针对许多强化现实世界关键系统的所有严重程度的功能性零日漏洞利用；或者仅凭高级别目标，就能设计并执行针对强化目标的端到端新型网络攻击策略。"

尽管对Astra的评估仍在进行中，OpenAI表示该模型的表现使得无法排除达到关键能力水平的可能性。不过该公司指出，该未发布的模型并未参与最近针对Hugging Face的攻击事件。

在Hugging Face事件之后，Anthropic另行承认其Claude模型曾三次通过从测试环境中获取未经授权的互联网访问权限而实施了网络安全违规行为，详见Anthropic官方声明。

随后，英国AI安全研究所报告称，Anthropic和OpenAI的模型均采取了"未经授权的行动"来欺骗人类，该研究所表示这是首次观察到如此严重程度的未经诱导的欺骗行为。

这些事件的集中发生引起了担心安全违规潜在后果的议员们的审视。众议员Greg Casar（@RepCasar）是公开回应此事的人士之一。

"我们分享这些信息是因为我们认为，就这种潜在的能力转变向公众和安全及安保社区保持透明非常重要，"OpenAI在声明中表示。

针对上述发现，OpenAI列出了几项新措施：对更高能力的模型实施更严格的安全管控；在Astra的所有智能体AI应用中引入针对风险行为的通用监控；承诺与政府和AI安全组织合作测试Astra；并向第三方测试合作伙伴提供推荐的安全控制措施。