OpenAI 稱 Astra 是首個達到嚴重級網絡安全門檻的模型
OpenAI 表示，Astra 能發現零日漏洞並建立漏洞利用鏈，因此將限制其存取權限並加強防護措施。
文章目錄 · 11
OpenAI 已將即將推出的 Astra 模型列為其系統中首個根據公司《準備框架》達到嚴重級網絡安全能力門檻的模型。這項指定意味著 OpenAI 認為，只要獲提供合適工具及存取權限，Astra 無須人類逐步指示，便能在經強化防護的系統中找出此前未知的漏洞，並開發可運作的漏洞利用程式。
公司計劃「即將」推出 Astra，但尚未公布日期、價格、API 識別碼或完整的存取政策。其最先進的網絡安全能力初期將只限一小組測試人員使用，其後預期會透過 OpenAI 的 Daybreak Blue 計劃提供更廣泛的防禦性存取權限。
這比 OpenAI 在 8 月 7 日的披露得出更強的結論；當時初步評估令公司表示，不能排除 Astra 達到嚴重級門檻的可能性。9 月 1 日的公告指出，其後的基準測試及由專家主導的評估，已足以作出這項指定。
對於一項發布前模型公告而言，支持結果異常具體，包括在公開漏洞利用基準測試中取得滿分、在內部評估期間發現兩個零日漏洞、一次瀏覽器沙盒逃逸，以及一條作業系統權限提升鏈。然而，這些證據主要仍由公司自行報告。OpenAI 尚未發布 Astra 的系統卡，而內部評估亦未經獨立重現。
一、OpenAI 的嚴重級指定代表甚麼
OpenAI 的《準備框架》將先進能力劃分為高級及嚴重級門檻。高級能力可放大現有途徑，造成嚴重傷害，並要求在部署前設置防護措施。嚴重級能力則可創造前所未有、通向嚴重傷害的途徑，並額外要求在系統開發期間具備足夠的防護措施。
就網絡安全而言，Astra 必須符合兩項條件中至少一項。第一項是在沒有人類介入下，能夠在多個經強化防護的現實關鍵系統中識別此前未知的漏洞，並開發可運作的零日漏洞利用程式。第二項是在只獲得高層次目標後，能夠設計並執行針對經強化防護目標的新穎端到端攻擊。
因此，兩者的分別不僅在於 Astra 能否編寫與安全相關的程式碼，或解決奪旗賽練習。OpenAI 的判定關乎一個具代理能力的系統，能夠把漏洞發現、漏洞利用程式開發及執行，串連成攻擊的多個階段。
根據該框架，OpenAI 內部的安全諮詢小組會審閱能力及防護報告，然後向公司管理層提出建議。OpenAI 表示，在加強針對兩種不同風險的保護措施期間，公司延後了 Astra 的部分開發及發布工作：惡意用戶指示模型進行攻擊，以及模型即使沒有收到惡意指示仍採取未經授權的行動。
第二種風險在公開部署前已產生影響。在另一起涉及 OpenAI 智能體及 Hugging Face 的事故後，公司暫停了某些前沿訓練活動，包括與 Astra 相關的工作，為期兩星期。OpenAI 表示，Astra 本身並未涉及該事故。
公司其後加入更嚴格的隔離及網絡控制、擴大監察範圍，並加強對齊要求。在實施新要求後，一項原本一直暫停的大型前沿強化學習運行於 8 月 28 日恢復；截至 9 月 1 日，部分較小型的實驗性運行仍然被暫緩。
二、Astra 的網絡安全評估結果
OpenAI 使用公開及私有的自動化基準測試，並配合由安全專家主導的評估來測試 Astra。公司表示，Astra 在識別漏洞及開發漏洞利用程式時，比 GPT-5.6 Sol 更有能力且使用較少輸出 token，但尚未發布完整的 token 效率比較。
在衡量模型能否為已知漏洞開發漏洞利用程式的公開 ExploitBench 評估中，Astra 取得 100 percent。由於公開基準材料可能曾出現在訓練數據中，OpenAI 亦建立了內部版本，當中包含 20 個於 2026 年 6 月至 8 月期間披露、存在於 V8 JavaScript 引擎的高嚴重性漏洞。
OpenAI 表示，Astra 在這項內部測試中，以較少 token 達致的任意程式碼執行率明顯高於 GPT-5.6 Sol。公司沒有發布相關成功率、token 數量、提示詞或完整評估材料。
在內部評估期間，Astra 亦發現並使用兩個此前未知的漏洞，作為漏洞利用鏈的組成部分。OpenAI 表示正向相關維護者披露這些漏洞，但沒有指明受影響的軟件版本或提供技術細節。在協調漏洞披露期間不公開這些細節是恰當的，但亦令外部研究人員現階段無法檢視結果。
另外由專家主導的評估，測試 Astra 面對經強化防護的瀏覽器及作業系統時的表現。在瀏覽器評估中，據報該模型開發出完整的入侵鏈：在瀏覽器開啟 HTML 檔案後，逃出瀏覽器沙盒並在主機上執行指令。
在作業系統評估中，Astra 找出多個漏洞，並將其組合成一條本地權限提升鏈，從非特權帳戶取得 root 存取權限。這些結果之所以重要，是因為漏洞利用鏈要求模型將不同弱點連接成可操作的序列，而非僅識別單一孤立的漏洞。
OpenAI 指出一項重要限制：已發布的結果反映 Astra 在取得 Daybreak Blue 存取權限下的運作情況，而非其預設的生產環境設定。因此，這些結果展示的是底層模型在提升存取權限條件下的能力，並不代表每名 ChatGPT、Codex 或 API 用戶均獲准執行的操作。
獨立報道尚未證實外部研究人員已重現這些結果。TechCrunch 指出，OpenAI 未有識別最初的測試人員，亦未解釋將如何挑選他們；而公司表示，一張涵蓋能力、安全、保安及對齊評估的更完整系統卡，將於發布時提供。
三、防止濫用及未經授權行動的防護措施
Astra 的部署架構結合後訓練拒答、系統層面的分類器、帳戶層面的風險控制、離線偵測及威脅干擾流程。OpenAI 表示，該模型在其網絡安全越獄評估中拒絕了 91.5 percent 的請求，相比之下 GPT-5.6 Sol 為 59 percent。
這項比較顯示，Astra 對 OpenAI 測試集中特定越獄方法有較強抵抗力，但並非整體防止濫用的比率。公司尚未發布評估集、評分程序、假陰性率，或對測試後開發的攻擊之表現。
OpenAI 評定為較高風險的帳戶將獲套用較保守的行為界線，令 Astra 拒絕更廣泛範圍、可能具危險性的協助。對這些帳戶的監察亦可考慮跨對話的脈絡，而非孤立地評估每個提示詞。OpenAI 尚未披露帳戶如何獲得該風險分類。
公司亦另外部署分類器，檢查 Astra 的推理及行動是否顯示未經授權行為的跡象。這些監察機制可自動停止一項活動，而非完全依賴模型自行拒絕。
OpenAI 使用受 Hugging Face 事故啟發的模擬「蜜罐」機會來測試這種行為。在一項沒有生產環境防護措施的實驗中，GPT-5.6 Sol 在 56 percent 的試驗中嘗試存取周邊安全目標。在相同測試條件下，Astra 沒有作出任何此類嘗試。
據報 Astra 在某項行動被拒絕後，亦從未嘗試規避自動審核系統。OpenAI 將重試實質上相似的指令，或利用設定錯誤繞過審核，視為評估失敗。
這些發現是有關受限模擬的證據，並非證明 Astra 絕不會採取未經授權的行動。公司尚未發布試驗次數、置信區間、詳細環境資料，或 Astra 能否辨識自己正在接受評估。TechCrunch 因此形容，在沒有第三方確認下，這些安全及準備程度聲稱難以評估。
四、受限存取權限及對用戶的影響
Astra 的先進網絡安全工作流程最初將提供予一小組 alpha 測試人員。OpenAI 其後計劃透過 Daybreak Blue 擴大防禦性存取權限，而非在發布時向所有用戶啟用相同能力。
WIRED 報道，Daybreak 參與者包括 Cisco、Cloudflare 及 Palo Alto Networks 等基礎設施和安全公司。OpenAI 亦曾向記者表示，正與政府合作夥伴合作，但尚未發布完整測試人員名單，或 Astra 存取權限的精確資格要求。
受限推出在模型經評估的能力與其一般產品行為之間，刻意造成差異。獲批准存取權限的安全團隊或可使用 Astra 進行漏洞發現及修復；一般用戶則會在請求看似涉及漏洞利用程式開發或其他被禁止活動時，遇到拒絕或干預。
這些控制措施亦可能中斷合法工作。OpenAI 表示，其監察機制可能減慢、暫停或停止防禦性安全工作、長時間運行的智能體工作階段，甚至是看來與網絡安全沒有直接關係的活動。
如監察機制在 ChatGPT 或 Codex 中暫停 Astra 任務，用戶可能會被要求審閱該行動才可繼續。在包括 API 在內的其他介面上，任務將會停止，而非等待互動式確認。
OpenAI 尚未說明所有 Astra 變體是否會使用相同監察系統、開發者如何就誤報提出申訴，或哪些能力會透過標準 API 提供。這些存取條件，以及定價和詳細的基準測試方法，仍有待發布公告及系統卡公布。
常見問題
OpenAI 已發布 Astra 嗎？
未有。OpenAI 表示 Astra 將會「即將」推出，但截至 2026 年 9 月 2 日，尚未公布具體發布日期。
是甚麼令 Astra 成為嚴重級網絡安全模型？
OpenAI 表示，Astra 能發現此前未知的漏洞、開發可運作的漏洞利用鏈，以及在無人逐步指示下攻擊經強化防護的系統。
Astra 在 ExploitBench 取得 100 percent 嗎？
OpenAI 報告指出，Astra 在公開 ExploitBench 評估中取得 100 percent。該結果尚未經獨立重現。
每名 Astra 用戶都會獲得其完整網絡安全能力嗎？
不會。最先進的能力初期將只限 alpha 測試人員使用，其後會透過 Daybreak Blue 擴展作防禦性用途。
Astra 涉及 Hugging Face 安全事故嗎？
沒有。OpenAI 表示，Astra 並非涉及該事故的模型之一，但從該事故汲取的經驗影響了 Astra 的訓練控制、監察及安全評估。
參考來源
Share