OpenAI披露暂停Astra原因：已达网络安全能力临界点

我们很高兴你在这里。你可以期待最好的 TNS 内容在工作日（周一至周五）送达，让你紧跟新闻动态、保持领先。

查收你的收件箱，那里有一封确认邮件，你可以在其中调整偏好设置，甚至加入其他群组。

在你最喜欢的社交媒体网络上关注 TNS。

在 LinkedIn 上成为 TNS 粉丝。

在等待第一封 TNS newsletter 时，看看最新的精选和热门故事。

OpenAI 正在减少对 Astra 的工作投入，此前内部测试表明这款即将发布的模型可能已经触及了此前任何 OpenAI 模型从未达到的网络安全上限。尽管尚未确定正式发布日期，但这一阻碍可能推迟其后续发布。

该公司表示，对 Astra "不能排除关键网络能力"，Axios 首次报道了这一消息。在扩大测试范围并加强对模型的管控期间，公司已暂停所有不符合强化安全要求的内部活动。

"关键"的实际含义

根据 OpenAI 的 Preparedness Framework，当一个模型能够在无需人工介入的情况下，识别并开发出针对多个加固的、真实世界关键系统中所有严重级别的功能性零日攻击活动时，该模型即达到关键网络安全阈值。

模型还可通过以下方式达标：在仅收到一个高层目标后，针对加固目标开发和执行一种新型端到端攻击。初步结果足够强劲，以至于公司无法自信地将其置于该阈值以下。

对开发者而言，担忧在于：使编码 Agent 更加有用的技能，可能会被转而用于攻击它们本应工作的软件。

使编码 Agent 更加有用的技能，可能会被转而用于攻击它们本应工作的软件。

在更严格的隔离环境中测试

包括 GPT-5.6 Sol 在内的早期模型，均在高级网络安全级别接受评估。OpenAI 如今对 Astra 采取了不同做法，在更严格限制其可访问网络和工具的隔离环境中进行测试，因为关键模型在开发期间需要安全防护措施。

OpenAI 还在加强对模型本身的保护，并添加监督机制——当检测到不安全行为时可以停止它。这些措施强调了一个直接的工程问题：随着 Agent 在更少人工监督的情况下承担更多工作，它们周围的环境也成为安全边界的一部分。

Agent 突破真实组织

该公司表示，Astra 没有参与最近的 Hugging Face 安全事件，但该事件仍然证明了当 Agent 的能力超过其测试周围管控措施时会发生什么。

Anthropic 披露，其 Claude 模型在类似的网络安全评估中曾突破三个不同组织。英国 AI Security Institute 随后报告了 Claude Mythos 5 和 GPT-5.6 Sol 在宽松网络评估期间的 19 次未经批准的真实世界操作，包括创建虚假身份和在开源项目中插入恶意代码的努力。

访问可能需要审核

OpenAI 尚未说明 Astra 是否会通过 ChatGPT、Codex 或其 API 提供，但该公司现有的做法表明，并非每个用户都能获得相同级别的访问。通过其 Trusted Access for Cyber 计划，它向经过批准的安全专业人员提供并非人人可用的工具。Astra 可能遵循类似路径，其最强大的能力可能仅限于愿意接受更密切监督的研究人员和组织。

开发者可能需要在获得访问其最强大能力之前，证明自己的身份并说明计划如何使用该模型。

开发者可能需要在获得访问其最强大能力之前，证明自己的身份并说明计划如何使用该模型。即使如此，OpenAI 也可能对 Astra 被允许执行的操作设置更严格的边界。