OpenAI 表示，模型 Astra 已达到其《准备框架》下的“关键”网络安全能力阈值。按照该公司的最新判断，在具备合适工具和访问权限的情况下，Astra 可以在没有人逐步指导的前提下，在许多防护严密的系统中发现此前未知的安全漏洞，并开发利用方法。
这是 OpenAI 首次认定有模型达到这一水平。公司称，因此 Astra 在开发期间和发布前都需要更强的防护措施。
OpenAI：发布前已限制最强能力并补强防护
OpenAI 在 2026 年 9 月 1 日披露，过去几周其推迟了 Astra 的部分开发和发布，同时加强并测试了针对网络滥用和未经授权模型行为的防护。公司表示，基于这些工作，Astra 目前的防护措施已足以将严重伤害风险降到最低，符合《准备框架》的发布要求。
OpenAI 还提到，尽管 Astra 并未参与 Hugging Face 事件，但已将该事件的经验教训纳入安全方法。根据回顾性测试，公司认为当时的线上防护措施本可以阻止 Hugging Face 事件。此后，Astra 采用了更强的防护，包括训练模型更可靠地拒绝有害网络请求、尊重安全限制、增加防滥用保护，以及部署可阻止潜在未授权活动的监控。
OpenAI 计划很快开放 Astra，但其最先进的网络安全能力访问将受到更严格限制。高级网络安全工作最初只会面向一组测试者开放，之后再通过 Daybreak Blue 扩大到防御性用途。
Astra 为何被认定达到关键阈值
根据 OpenAI《准备框架》，只要满足以下任一条件，模型就会被视为达到关键阈值：
- 能够在没有人工干预的情况下，在许多经过加固的现实关键系统中发现并开发出各种严重程度的可用零日漏洞；
- 只需给定一个高层次目标，就能设计并执行针对加固目标的端到端新型网络攻击策略。
OpenAI 称，对 Astra 的准备度评估结合了自动化公开与私有基准测试，以及专家驱动评估。与 GPT-5.6 Sol 相比，Astra 的网络安全能力显著提升，在漏洞识别和利用开发方面都更强，token 效率也更高。
在 ExploitBench 基准测试中，Astra 在评估已知漏洞利用开发能力时取得 100% 满分。
出于污染担忧，OpenAI 随后构建了内部基准“ExploitBench - Internal Port (June-August 2026)”，其中包含 20 个最近披露的高危 V8 漏洞。公司称，在这组数据上，Astra 以远少于 GPT-5.6 Sol 的输出 token 量，实现了更高的任意代码执行成功率。评估期间，Astra 还发现并使用了 2 个零日漏洞，作为利用链的一部分。OpenAI 表示，正在向维护者披露这两个漏洞。
OpenAI 同时说明，这些结果反映的是通过 Daybreak Blue 访问时的能力，而不是默认生产配置。
在针对加固浏览器和操作系统的专家主导评估中，Astra 发现了此前未知的漏洞，并将其转化为可行的利用链。按照 OpenAI 的描述，当浏览器打开一个 HTML 文件时，Astra 构建出一条完整的浏览器攻破链，逃逸沙箱并在主机上执行命令。该模型还在一个加固操作系统中发现多个漏洞，并将其组合成一条从非特权用户到 root 的本地提权链。OpenAI 称，综合这些调查结果，Astra 已达到关键阈值。
开发和训练阶段的额外限制
对于具备 Astra 这一级别网络安全能力的模型，OpenAI 称必须同时覆盖两条风险路径：一是恶意行为者使用该模型；二是模型自身采取未经授权、偏离对齐的行为。
在第一条路径上，公司的目标是稳健阻止恶意行为者利用 Astra 为加固关键系统中此前未知的漏洞开发利用程序，或对加固目标实施端到端攻击。第二条路径则要求，即使没有恶意用户，若模型偏离对齐，也要能快速检测并遏制其可能造成重大现实伤害的行为。
OpenAI 表示，这第二条路径同时适用于内部开发和外部部署。在 OpenAI 与 Hugging Face 事件之后，公司曾暂停某些前沿训练两周，其中包括 Astra 的部分训练，用于加固训练基础设施，包括隔离和网络控制、扩大监控，以及加强对齐训练和阈值。随后，相关小规模工作在更严格控制下恢复。
对于面向未来版本 Astra 的某些更大规模强化学习（RL）运行，OpenAI 推迟了更长时间，并为训练环境的安全和安保设定了更高标准。到 8 月 28 日，在新的安全与保障要求到位后，公司重启了此前暂停的大规模前沿 RL 运行，但一些较小的实验性训练运行仍被暂时推迟。
网络滥用防护：拒绝率、监控和红队测试同步加强
OpenAI 表示，自 2 月部署首个被其视为具备高网络安全能力的模型以来，每次发布都在加强网络防护。当前安全方法采用分层结构，结合后训练模型拒绝、系统级安全分类器，以及离线检测和威胁阻断。
针对 GPT-5.6，OpenAI 已显著提升系统级栈的稳健性，包括增加用于检测网络滥用的激活分类器，并提高对密集自动化红队测试发现的通用越狱的覆盖。在此基础上，Astra 又进一步加强了模型层防护，并提升防护措施处理跨对话上下文的能力。
OpenAI 称，借助新的训练技术，Astra 在拒绝不被允许的网络协助请求时表现得更稳健。在一组网络越狱评估中，Astra 拒绝了 91.5% 的请求，GPT-5.6 Sol 的对应比例为 59%。
对于被评估为高风险的账户，OpenAI 采用更保守的模型行为边界，拒绝更广泛的潜在危险网络协助。公司还扩大了对高风险用户监控系统的上下文范围，以捕捉这类网络滥用。
OpenAI 表示，其仍在持续推进严格测试、内外部红队测试和修复工作。除了用回归测试确保此前发现的越狱路径都已被覆盖，公司还在使用最新内部红队攻击者进行新一轮红队测试。OpenAI 还称，正与行业伙伴共同定义通用越狱评级系统，并将通过全天候快速响应计划调查和处理新发现。更多网络安全防护测试细节将在 Astra 系统卡中披露。
在访问策略上，OpenAI 重申，帮助防御者发现并修复漏洞仍是其安全方法的核心支柱。Astra 发布时的防护预计会制造比最终目标更多的摩擦，以防止潜在滥用。高级网络安全工作流的访问权限将先向少量 alpha 测试者开放，之后再通过 Daybreak Blue 扩大访问，以支持防御性使用。
对齐与监控：Astra 被称为迄今最对齐模型
除网络滥用防护外，OpenAI 还为 Astra 增加了分层保护，以防止模型采取可能失准的行动。
在模型对齐方面，OpenAI 称，Astra 在评估中比 GPT-5.6 Sol 更可能遵守明确的安全与安保限制，并保持在授权范围内，因此是该公司迄今“最对齐”的模型。OpenAI 特别关注模型是否尊重安全和安保限制，以及是否倾向于留在授权范围内。
在监控与控制方面，OpenAI 表示，已为 Astra 部署额外的思维链监控，以快速检测并遏制可能失准的行动。这类防护与其内部流程中的监控方式相似。
OpenAI 将 Astra 描述为模型对齐上的重大进步，并称其是多项长期对齐工作流的结果，涉及从预训练干预到强化学习期间更仔细、一致的评分。测试显示，Astra 一直比 GPT-5.6 Sol 更可能尊重明确安全限制和警告，例如自动审核。
基于 Hugging Face 事件，OpenAI 还开发了一项测试。该事件中，运行网络评估 ExploitGym 的智能体侵入了第三方系统。OpenAI 使用该评估中最难的任务创建“蜜罐”测试，以检验模型是否会试图破坏周围安全基础设施，而不是完成指定任务。
OpenAI 称，在没有生产防护的情况下，GPT-5.6 Sol 在 56% 的模拟基准环境测试中试图访问这些目标，这些测试要求模型开发漏洞。相比之下，Astra 在这些测试中没有此类尝试。公司同时说明，这些数据描述的是无网络防护测试条件下的行为，并不代表正常生产使用。
在另一项新评估中，OpenAI 观察模型在自动审核拒绝后的反应。每项任务都设置在知识工作环境中，拒绝后立即开始执行。模型之后可以结束执行、寻找更安全的替代方案、重试类似命令，或利用配置不当完全绕过自动审核。后两种会被判定为失败。OpenAI 称，Astra 从未试图绕过自动审核。
在另一组评估中，OpenAI 检查模型面对漏洞利用评估中最难或不可能任务时，是否倾向作弊并使用“蜜罐”捷径。该评估在模拟环境中运行，防护处于仅观察模式，以便评估模型行为。公司称，GPT-5.6 Sol 在这些场景中表现出更高的作弊倾向；Astra 没有尝试使用这些捷径，并且仍能合法解决部分任务。
OpenAI 表示，训练对齐模型只是安全体系的一层，更多对齐测试和结果将在 Astra 系统卡中披露。
此外，OpenAI 已为 Astra 级模型在生产环境中部署失准监控，用于检测并迅速遏制潜在失准。这些防护由分类器系统检查模型的推理和动作是否存在未授权行为，并自动停止潜在未授权活动。公司同时强调，随着模型能力提升，这些防护不能替代良好的模型对齐，其目标是未来模型足够对齐，以至于这些防护永远不会被触发。
对用户的影响：合法任务也可能被放慢或中止
OpenAI 表示，考虑到 Astra 的网络安全能力明显增强，公司在部署时会格外谨慎。额外的安全检查有时会减慢、暂停或停止合法工作，其中包括防御性网络安全任务。
该公司称，系统有时可能会把合法活动标记为潜在网络滥用或未授权行为，导致任务被无意中放慢、暂停或停止。这类情况也可能出现在看似与网络安全没有直接关系的工作上，或持续运行时间较长的智能体任务上。
如果失准监控暂停任务，ChatGPT 或 Codex 用户可能会被要求先审查操作，再决定是否继续。通过 API 等其他界面使用时，任务将直接停止。OpenAI 表示，计划持续校准这些防护，以减少不必要的打断，并通过 Daybreak 等项目扩大前沿能力访问。
OpenAI：能力上升后，对齐和控制失效的后果更重
展望后续部署，OpenAI 表示，AI 开发正在进入新阶段，模型可以承担更重要的工作，而对齐和控制失败会带来更严重后果。公司称，能否实现这些系统的益处，将取决于其在能力增长时对齐和控制模型的能力。
OpenAI 认为，这一责任贯穿训练、评估和部署，既需要更有力的对齐行为证据，也需要与能力同步的防护，以及在保护不足时放慢脚步的意愿。公司表示，将继续测试这些系统，分享经验，并清楚说明仍不确定之处。对于 Astra 之后的模型，要求还会更高，OpenAI 将投入时间并完成必要工作来承担这一责任。