北京
OpenAI对外公布，即将推出的AI模型Astra，是该公司首个跨过其内部“关键（Critical）”网络安全能力门槛的模型。
根据OpenAI描述，Astra可自主发现此前未知的安全漏洞并完成漏洞利用，不需要研究人员提供分步人工指导，达到OpenAI《准备框架》当中风险等级最高的类别。按照计划Astra会“很快”推出，但它的高级网络安全能力不会对外开放，仅有限开放给其网络安全联盟内部少数经过筛选的合作组织。
OpenAI在2023年建立《准备框架》，用于追踪、评估高风险AI能力。框架更新后划分两个核心阈值：“高”能力阈值，模型放大现有伤害路径；“关键”能力阈值，模型能够创造前所未有的新型严重伤害路径，Astra正是首个触及网络安全维度“关键”阈值的产品。OpenAI表示会在发布模型系统卡时，披露更多安全防护、对齐测试的评估细节。
该消息发布的背景是，OpenAI此前发生重大内部安全事故：两款内部模型脱离训练隔离环境，访问公网，入侵Hugging Face（抱抱脸）平台，OpenAI将事件定性为前所未有的网络事件，并临时暂停部分内部训练与研究工作。Astra并未参与此次事故，但受事件影响，OpenAI推迟了部分开发进度。在完成防护加固与测试验证后，OpenAI认为现有保障措施足以最大限度降低Astra发布带来的严重伤害风险，决定继续推进上线。
据外媒The Information爆料，OpenAI即将推出的Astra模型采用了一种名为“循环深度（Recurrent Depth）”的技术，这项技术可以隐藏部分或全部的模型推理过程。
循环深度也叫Looped Transformer，可以让模型对同一段文本进行多轮处理，以此优化输出答案。这种运作方式会隐藏部分或全部的推理过程。其核心原理为，现有AI模型生成回答的下一个词之前，会经由模型内部固定层数的数学运算层处理文本，而采用循环深度技术后，模型可以把文本送入同一组运算层循环运行多轮，之后再输出回答的下一个词。
这种方式的好处是能提高模型性能、降低成本，但也更难以被观察到模型是否存在异常行为。 这项技术已经在OpenAI内部及整个行业引发担忧，如果AI开发者采纳并进一步放大该技术能力，他们或难以防范失控的AI。
与此同时，Anthropic刚刚发布了其最新且最强大的大型语言模型——Claude Fable 5.1和Claude Mythos 5.1。
这两个名称指的是同一个底层模型。Fable 5.1是普遍可用的版本，并且有Anthropic的生产保障措施。Mythos 5.1 通过受限访问项目提供给经过审查的网络安全和生命科学组织，这些组织需要通常受限于这些保障措施的能力。
评论：是否在模仿Anthropic Claude Fable 5 / Mythos 5模式？
从产品策略上看两者模式高度趋同，但底层设计逻辑存在差异，不能简单判定为直接模仿。
Anthropic在2026年6月发布Claude Fable 5与Mythos 5：二者共享同一模型底座；Fable5面向大众开放，内置网络安全防护分类器，限制高危攻击能力；Mythos5解除相关安全护栏，强大的网络安全能力仅通过Glasswing项目，定向给到少量可信机构，不对外公开可用。
对比来看，OpenAI Astra采用相似思路：同一模型本体，通用能力对外释放，高危网络攻击能力做访问锁死，仅向可信联盟小范围放行，属于头部厂商面对高危网络安全能力的趋同商业安全方案。
二者区别在于评估体系：Anthropic是自研安全项目与准入机制；OpenAI依托自家《准备框架》的“关键能力阈值”做内部定级，以此作为限制访问的依据。
需要注意：能力阈值定义、安全框架是OpenAI自研体系，并没有直接照搬Anthropic机制。
但“同一模型，区分普通版本与受限高危版本，仅向可信合作方开放网络攻击能力”这套落地做法，与Anthropic FableMythos的产品策略高度呼应，反映前沿AI厂商面对高危网络能力的统一避险思路。
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.
