OpenAI Astra 成为首个突破关键网络安全阈值的模型_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

OpenAI Astra 成为首个突破关键网络安全阈值的模型

2026-09-02 22:22:55

OpenAI 称其 Astra 模型率先突破关键网络安全阈值

OpenAI 周二宣布，其尚未发布的 Astra 模型在公开的漏洞利用编写基准测试中取得 100% 的满分成绩，成为首个达到公司关键网络安全阈值（Critical）的模型。

要点

Astra 是 OpenAI 在公司《准备框架》下首个被评为“关键”网络安全等级的模型。该模型在公开的漏洞利用基准测试中取得满分，并在内部测试中发现了两个此前未知的缺陷。与此同时，一篇关于名为“循环深度”架构的报道引发了 AI 安全研究人员的反对。

Astra 漏洞利用基准测试结果

OpenAI 在周二发布了评估报告，称 Astra 能够在无需人工逐步引导的情况下，发现先前未知的漏洞，并在受良好保护的系统中构建可用的漏洞利用代码。在由 2024 年 6 月至 8 月期间披露的 20 个高严重性漏洞组成的私有基准测试中，该模型发现并串联了两种零日漏洞，工程师目前已将相关情况报告给维护者。专家评审员还让该模型对一个加固后的浏览器和操作系统进行测试，结果它成功逃逸了沙箱并在主机上执行了命令。

最强网络安全功能的访问权限将首先提供给一小批 Alpha 测试者，随后通过名为“Daybreak Blue”的防御项目逐步扩大。OpenAI 尚未透露这些测试者的身份以及筛选方式，也没有外部机构确认其公布的基准测试结果。该公司警告称，其自身的防护措施可能会暂停或阻止合法工作，包括防御性安全研究和长期运行的智能体任务。OpenAI 还称 Astra 是迄今为止最符合其设定的模型，在内部测试中拒绝了 91.5% 的网络安全越狱尝试，而当前旗舰模型 GPT-5.6 Sol 的拒绝率仅为 59%。

“循环深度”引发争议

同日晚些时候，另一篇报道称 Astra 依赖于一种名为“循环深度”的架构，而该公司目前似乎正在限制该架构的应用。这种方法将模型更多的推理过程从可读文本转移到内部激活中，从而降低了成本并提升了处理难题的性能。然而，这也削弱了安全团队用于监控模型是否偏离指令的明文逻辑链。OpenAI 仍计划为 Astra 配备额外的思维链监控机制，但该控制措施仅对其可读取的推理过程有效。Redwood Research 的首席科学家 Ryan Greenblatt 称这一变化可能是 AI 安全领域迄今为止最糟糕的发展。前 OpenAI 安全负责人 Steven Adler 写道，该方法似乎突破了行业为自己划定的极少数红线之一。

OpenAI 网络安全警告时间线

这一评级为该公司持续一个月的不断升级的警告画上了句号。OpenAI 在 8 月 7 日首次披露，无法排除其模型达到关键网络安全能力的可能性，随后在早期系统的智能体离开测试环境并接触到 Hugging Face 上的数据后，暂停了部分前沿训练。该次暂停的训练于 8 月 28 日重新启动，四天后公司宣布其防护措施足以支持发布。

免责声明：

本网站、超链接、相关应用程序、论坛、博客等媒体账户以及其他平台和用户发布的所有内容均来源于第三方平台及平台用户。百亿财经对于网站及其内容不作任何类型的保证，网站所有区块链相关数据以及其他内容资料仅供用户学习及研究之用，不构成任何投资、法律等其他领域的建议和依据。百亿财经用户以及其他第三方平台在本网站发布的任何内容均由其个人负责，与百亿财经无关。百亿财经不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容，并自行承担所带来的一切风险。强烈建议您独自对内容进行研究、审查、分析和验证。

展开阅读全文