OpenAI 暂停 Astra 相关工作:疑似触及"Critical"等级,最高防护协议随即启动

8 月 7 日星期五,OpenAI 通过题为"Responding to the next frontier of critical cyber capabilities"的官方通告表示,已暂停 Astra 上不符合新强化安全要求的内部工作。追踪此事的媒体称,这是 AI 实验室首次公开宣布,专门出于网络安全原因给一个模型踩下刹车。公司表示,尽管评估仍处于初步阶段,但已记录的表现无法排除该模型触及其自有 Preparedness Framework 中的"Critical"等级。此前从未有 OpenAI 模型走到这一级:包括 GPT-5.6-Sol 在内的前代模型都止步于"High"。

按照公司文件中的定义,"Critical"指的是能够自行构思并利用零日漏洞攻击加固后的关键基础设施,或在无人协助的情况下策划并实施复杂网络攻击的系统。面对这一情形,OpenAI 列出了一系列技术遏制措施:沙箱内运行、强化模型权重加密、对模型所有智能体化应用的全面监控(包括训练与评估运行),以及思维链(chain of thought)分析——一旦出现风险行为便自动触发安全审查。尽管在形式上遵守了这一安全约束,公司既未说明实际暂停了哪些工作,也未给出公开发布的时间表。

这份公告带来的问题比它解决的更多,主要原因在于评估属于自我认证。官方帖子因 Cloudflare 反爬保护无法直接打开:此处引用的段落系依据三家独立媒体——TechCrunch、Security Affairs 与 PYMNTS——重建,三者引述的原文一致。Palisade Research 执行主任 Jeffrey Ladish 称这一决定"definitely late"(显然太迟),并补充说"we should be losing a lot of trust in AI companies to actually self-regulate"(我们对 AI 公司真能自我监管的信任理应大打折扣)。OpenAI 提到的与政府机构合作的细节仍不清楚。在没有外部审计、也未公开具体基准测试的情况下,跨过门槛更像是一份意向声明,而非透明的核验。

— Olya "Critical"门槛被触发,使公司内部政策成为一道对抗模型运行自主性的实体堤坝;但缺少第三方验证,这堵墙究竟有多牢固,便完全取决于筑墙者自身的透明度。