在 Anthropic 刚刚推出新一代旗舰模型 Claude Fable 5.1 与 Mythos 5.1 聚焦编程与科研之际，OpenAI 亦紧随其后发布重磅公告，正式披露其下一代前沿模型 Astra 的评估进展与安全护栏报告《Path to Astra: critical capabilities and frontier safeguards》，将前沿 AI 的竞争推向深水区。

核心能力突破

首达“关键”阈值：Astra 成为 OpenAI 准备框架（Preparedness Framework）下首个达到“关键”（Critical）网络安全能力等级的模型，代表其具备在无人类逐步指导下，自主发现高防护系统未知缺陷并构建完整攻击链的能力。

实战攻防表现：在 ExploitBench 及最新漏洞测试中，Astra 展现出远超 GPT-5.6 Sol 的代币效率与漏洞挖掘能力，不仅自主发现并利用了两个全新的零日（0-day）漏洞，还成功实现了浏览器沙箱逃逸与操作系统提权。

安全护栏与分阶段交付

吸收安全教训：结合此前 Hugging Face 事件的经验，OpenAI 暂停并重构了训练基础设施的安全隔离，并在 8 月 28 日重启了前沿强化学习训练。

越狱防御与监控：Astra 对恶意网络求助的拒绝率提升至 91.5%（前代为 59%），并首次实装全流程思维链（CoT）未对齐行为监控拦截系统。

定向开放防御端：为防止技术滥用，Astra 的高级网络安全能力初期仅定向对少数 Alpha 测试者开放，后续将通过 Daybreak Blue 计划逐步扩展至网络防御领域。

#openai #ai #gpt #ai #chatgpt #大模型 #codex #人工智能