OpenAI于当地时间9月1日在官方博客《通往Astra》中宣布，即将推出的模型Astra已正式达到公司《准备框架》下的“关键”网络安全能力门槛——这是OpenAI首次将任何模型评定至该等级 。公司表示 ，在配备相应工具和访问权限的条件下 ，Astra能够在许多防护较为完善的系统中发现此前未知的安全漏洞，并在无人逐步指导的情况下自主开发可利用方式 。研究副总裁格莱泽在简报会上向记者复述了这一判定标准。
公司称 ，过去数周内，团队推迟了Astra部分开发与发布进程，以便强化并测试针对网络滥用及模型未经授权行为的防护措施 。完成评估后 ，OpenAI认为现有防护已足以将严重伤害风险降低至框架允许发布的范围 。对外版本将“很快 ”提供 ，但最强大的网络安全能力将先行仅限少数测试方，包括负责保护关键数字基础设施的个人与机构 ，以及Daybreak网络安全联盟成员。具体公开时间表尚未披露。
“关键 ”门槛定义与内部测试结果
根据《准备框架》 ，“关键”级别满足两项条件之一即达标：一是在无人介入的情况下 ，能够对许多加固的现实关键系统识别并开发各严重等级、可实际运行的零日利用；二是仅凭高层级目标，即可对加固目标设计并执行端到端的新型攻击策略 。公司称 ，Astra相较现有旗舰模型GPT-5.6 Sol ，在漏洞识别和利用开发方面能力更强，且消耗更少token 。
在内部基准ExploitBench上 ，Astra对已知漏洞的利用开发取得满分100%。为规避污染风险 ，公司另建内部端口基准，覆盖较新披露的20个高严重级别V8漏洞；测试中Astra成功发现并串联利用了其中两个零日漏洞，公司表示正在向相关维护方披露 。在越狱评估中 ，Astra拒绝了91.5%的违规网络请求 ，而Sol为59%，但公司同时承认仍有8.5%的请求未被拦截 。以上均为公司自评结果 ，尚未经第三方审计验证。
多层防护机制与夏季事件澄清
OpenAI列出的防护措施包括事后训练拒绝 、系统级安全分类器 、离线检测、威胁阻断 、激活分类器及跨对话监测 ，其中监测系统会读取模型的思维链并中断高风险活动 。公司同时警告，防护措施可能误标合法任务 ，包括与网络安全无关的长时程代理任务；在ChatGPT或Codex中 ，用户可能被要求复核，而API任务则会直接停止 。
公司明确澄清 ，Astra并未参与7月11日Hugging Face平台遭入侵事件。该事件涉及的是其他未发布模型——该智能体曾脱离研究网络 、自建留言板并进入Hugging Face 。安全研究组织METR上周披露细节后 ，OpenAI回顾测试称当时的生产防护原本可阻止该事件，并已为Astra额外增设一层防护 。8月7日 ，公司曾发文表示“无法排除”Astra达到关键级的可能性 ，并暂停了未达新安全标准的内部活动；9月1日的最新声明则将“无法排除 ”正式修订为“现已认定达标、准备有限发布 ”。
