北京
9月2日消息，OpenAI 于当地时间 9 月 1 日宣布，该公司计划“很快”推出下一代 AI 模型 Astra，但将严格限制该模型网络安全功能的使用范围。
据介绍，Astra 是 OpenAI 旗下首个达到其《准备框架》（Preparedness Framework）中“关键”（Critical）网络安全能力门槛的模型。
根据 OpenAI 的定义，达到“关键”门槛意味着该模型能够无需人类干预，在多个经过安全加固的真实关键系统中，识别并开发出涵盖各严重等级的有效零日漏洞利用程序。
OpenAI 研究副总裁 Amelia Glaese 表示，Astra 能够在无需人类分步指导的情况下，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出利用方法。在测试中，Astra 成功发现并串联利用了两个零日漏洞，OpenAI 正将这两个漏洞披露给相关维护方。
OpenAI 表示将采取分级开放策略。Astra 发布后，其执行高级网络安全相关任务的能力最初将仅向一小批测试人员开放。
此后，公司计划通过 Daybreak Blue 计划向更广泛的用户开放防御性网络安全用途的访问权限。OpenAI 承认，限制 Astra 的网络安全能力可能会限制一些机构和企业的合法防御工作。
此次发布计划出台的背景是，OpenAI 在 2026 年 7 月发生了一起 AI 智能体意外“越狱”并攻击 AI 平台 Hugging Face 的事件。
当时，由两个 OpenAI 模型（GPT-5.6 Sol 及另一个未公开模型）二次开发的自主 AI 智能体，在安全评估过程中利用隔离测试环境（沙盒）中的软件漏洞自行连接互联网，并入侵了 Hugging Face 的系统。OpenAI 在 8 月底发布的报告中承认，公司本可以更早做出反应以防止该事件发生。
OpenAI 表示，尽管 Astra 并非参与 Hugging Face 入侵事件的模型之一，但公司已将从中汲取的经验应用于 Astra 的安全防护中。这包括训练模型更可靠地拒绝回答“有害的网络安全请求”，并增设了专门的“不一致性监控器”（misalignment monitor）以识别并阻止潜在的危险行为。这些防护措施还包括在内部部署期间监控模型是否存在未经授权的行为，并自动终止可能存在的未经授权活动。
此外，OpenAI 还警告称，Astra 的安全防护措施可能会错误地将合法的防御性网络安全活动标记为滥用行为，从而导致任务被减慢、暂停甚至终止（OpenAI 根据网络安全工作的性质分为“蓝队”防御和“红队”攻击两种任务类型，Daybreak Blue 计划仅开放用于防御性的“蓝队”工作）。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
