OpenAI 將 Astra 標記為首款觸及「關鍵」網路安全風險門檻的模型
重點速覽
- •OpenAI 首次在其 Preparedness Framework 下將 Astra 分類為「關鍵」等級。
- •評估發現,Astra 在獲得工具與存取權限後,能識別未知漏洞並建立攻擊鏈。
- •OpenAI 表示,Astra 在漏洞識別與攻擊開發方面超越 GPT-5.6 Sol,且使用的輸出 token 更少。
- •該公司已加強隔離措施、限制網路與工具存取、增加監控,並強化模型權重管控。
- •進階網路安全功能將先行提供給一小群 Alpha 測試者,之後才透過 Daybreak Blue 開放更廣泛的防禦性存取。

OpenAI 即將推出的 AI 模型 Astra 已達到該公司分類為「關鍵(Critical)」的網路安全能力等級,因此在模型發布前必須啟動額外的安全防護措施,據 Cointelegraph 報導。這項分類標記是 OpenAI 首次在其 Preparedness Framework(前瞻準備框架)下,將自家模型列入此一等級。該框架是公司於 2023 年推出的風險分級制度,用於在部署前評估前沿模型的災難性風險。
OpenAI 表示,其評估發現 Astra 在獲得適當工具與存取權限的情況下,能夠在無需人類指導的情況下識別先前未知的 安全漏洞,並開發利用這些漏洞攻擊防護嚴密系統的方法。這些發現促使該公司在開發期間與部署之前都實施了更嚴格的安全控制。
AI 網路安全能力的新門檻
在 OpenAI 的 Preparedness Framework 下,「關鍵」門檻適用於能夠在無人類介入的情況下,針對防護嚴密的真實世界關鍵系統識別並開發可運作的零日漏洞攻擊,或能獨立設計並執行針對強化目標的新型端對端網路攻擊的模型。該框架會依據網路安全等風險類別對模型進行評級,評級越高,預期將觸發越嚴格的部署條件。
OpenAI 表示,Astra 在漏洞識別與攻擊開發方面展現出超越 GPT-5.6 Sol 的能力,且使用的輸出 token 更少。在其中一項評測中,Astra 在 ExploitBench 上獲得 100% 的成績。內部測試還發現,該模型在攻擊鏈中發現並使用了兩個零日漏洞。
發布前實施更嚴格的管控
該公司已延後 Astra 的部分開發與發布工作,同時強化防止網路濫用與未經授權模型行為的保護措施。這些措施包括更嚴格的隔離、受限的網路與工具存取、額外的監控,以及對模型權重更強的管控。
OpenAI 也表示,Astra 正接受訓練,以更可靠地拒絕有害的網路安全請求。在網路越獄(cyber-jailbreak)評測中,該模型拒絕了 91.5% 的不當請求,相較之下 GPT-5.6 Sol 為 59%。進階網路安全功能初期將僅限於一小群 Alpha 測試者使用,之後計劃透過 Daybreak Blue 提供更廣泛的防禦性存取——此一存取結構反映了其他高能力 AI 部署如何將受限推出與經審核的防禦性使用案例相結合。
對 AI 產業的影響
Astra 的分類凸顯了 AI 開發者面臨的一項日益嚴峻的挑戰:能提升漏洞研究與網路防禦的進展,同時也可能擴大惡意活動的潛在規模與速度。這項發現也正值產業與政策界針對如何治理具攻擊性網路能力的 AI 系統展開更廣泛辯論之際,監管機構與安全研究人員正在權衡,對於跨越此類門檻的模型,自願性框架是否足夠。
為此,OpenAI 已隨著能力提升轉向更具限制性的部署模式,將模型層級的拒絕機制與監控、存取控制及圍堵措施相結合。此舉反映該公司更廣泛的努力,確保安全系統能與日益自主的 AI 代理保持同步。其他前沿開發者——以及審計這些模型的研究人員——如何因應類似的能力門檻,很可能將塑造安全 AI 部署的新興規範。
OpenAI 表示計劃於近期推出 Astra,並預計在發布時透過模型系統卡公布其安全性、安全防護與對齊評估的更多細節——該文件是该公司過往揭露前沿模型評估結果之處。