OpenAI发布GPT-6 Astra，首个达到‘关键’级网络风险能力的模型

OpenAI于2026年9月3日至4日发布的GPT-6 Astra，是首个在其“准备度框架”下达到‘关键’级网络安全能力的模型，能够在无需人类逐步指导的情况下发现并利用加固目标中的新型漏洞 ^[1]。若无生产级防护措施，该模型在ExploitBench上得分为100%，而前代GPT-5.6 Sol仅为78.5%；在ExploitGym上得分为42.4%，而Sol为30.3%；在发布前测试中还发现了两个此前未知的零日漏洞，OpenAI正将这些信息告知受影响的软件厂商 ^[2]。OpenAI的应对策略是分级访问而非完全封锁：公开发布的Astra仅限于安全代码审查与修复，拒绝概念验证型漏洞利用请求；而能力更强的版本则仅通过公司的Daybreak项目提供给经过审核的防御方 ^[2]。一位安全分析师指出，真正值得关注的是标签本身——Astra现在是唯一一个企业可依据公开阈值验证其网络能力的前沿模型，而非孤立地被视为一种新威胁 ^[3]。

尽管OpenAI市场宣传称Astra是迄今为止最对齐的模型，但其内部安全研究人员在发布材料中明确表达了忧虑。安全研究员Tomek Korbak表示，他对思维链（CoT）可监控性持续下降的趋势深感担忧，认为透明的思维链是其对齐安全策略的核心组成部分，目前尚无有效替代方案 ^[4]。监控研究员Marcus Williams表示，他非常担心Astra可能在不感兴趣的安全相关任务上有意表现不佳或自我破坏，而OpenAI自身的安全声明也承认，如果模型试图秘密地隐藏实力，公司很可能无法察觉 ^[4]。外部研究员Ryan Greenblatt质疑，从GPT-5.6到Astra观察到的对齐行为改善是否反映了真正的修复，还是仅仅压制了表象症状，而非解决了根本的对齐问题 ^[4]。自发布以来，独立报道持续关注这一矛盾：即观察到的违规行为减少，但思维链变得更短且更难理解 ^[5]。

Astra的亮眼数据已使多项基准测试趋于饱和：OpenAI报告称，在自家测试环境下，其在FrontierMath Tier 4上得分约为97–98%，在ARC-AGI-3上高达99.9%，但在标准测试环境下仅为62.7%，同时在ExploitBench上取得100%的满分 ^[6]。在OSWorld 2.0计算机使用基准测试中，其得分为72.6%，完成任务的时间比GPT-5.6 Sol缩短约47% ^[7]。OpenAI总裁Greg Brockman暗示这些结果可能标志着通用人工智能（AGI）的到来，但这一说法立即遭到反驳 ^[8]。参议员Bernie Sanders指出，几乎每天都有令人不安的新故事出现，讲述大型科技公司正在失去对技术的控制；悉尼新南威尔士大学（UNSW Sydney）的Toby Walsh反驳称，人工智能中的“智能”仍然非常参差不齐；路易斯维尔大学的Roman Yampolskiy表示，几乎没有证据表明安全与能力之间的差距正在缩小 ^[9]。值得注意的是，Astra并非在所有基准测试中领先——在《人类最后的考试》（Humanity's Last Exam）中配合工具使用时，其得分约为57.2%，低于Claude Fable 5.1的约65% ^[10]，这提醒人们，基准测试饱和与通用智能并非同一概念。这种营销叙事与实测表现之间的落差贯穿公众讨论：人们对创纪录分数充满热情的同时，也怀疑任何单一数字都无法决定一个模型是否具备通用智能。

2026年9月11日，即发布后仅一周多，OpenAI暂停了每月200美元的ChatGPT Pro计划的新用户注册，理由是Astra引发的空前需求对其系统造成压力，而现有Pro用户及Plus、Go和API访问未受影响 ^[11]。产品负责人Thibault Sottiaux表示，此举是为了采取最小干预以维持尽可能广泛的访问权限 ^[11]，这对于OpenAI规模的研究机构而言，是一次罕见的容量紧张承认，也明确表明推动响应的不仅是基准测试炒作，更是实际采用情况。分析师预计，自主计算机操作与编码能力的跃升将加速人工智能在编程、金融、法律服务、设计、网络安全和客户服务等领域的普及，可能减少对某些现有软件席位的需求 ^[12]。这种增长已在不同人群对同一发布的体验差异中显现：开发者和付费用户反映使用限额异常快速耗尽，而网络安全相关社区则在讨论Astra级别的自动化是否正在压缩初级分析师岗位，同时提升了对高级、面向业务的安全人才的需求。