就在刚刚，OpenAI 多线齐发，为下一代模型 Astra（传说中的 GPT-6）拉满预热：

官方突然放出技术长文，首次公开 Astra 的能力底牌；

紧接着，奥特曼亲自下场写 " 小作文 "，讲述 Astra 为何迟迟未能上线；

随后，两位华人研究员接连发声，带着一手细节晒出了此前从未公开的内部测试成绩。

短短几个小时，所有信号都指向同一个方向：

OpenAI 的下一代旗舰模型，已经箭在弦上。

奥特曼在小作文中透露，Astra 其实早已完成训练，迟迟未发不是因为模型还不够强。

恰恰相反，这是因为 Astra 已经强到了公司不得不主动踩下刹车。

奥特曼将这段经历形容为一种持续的拉扯：

既兴奋于 Astra 带来的能力跃升，又焦虑于没人能够完全预判这些能力的后果。

于是刚过去的整个夏天，OpenAI 几乎都在给 Astra 补安全、做对齐、加护栏。

他甚至表示，Astra 之后的模型，必要时还要主动降速，以便给安全和对齐研究留出时间。

？？Astra 究竟强到了什么程度？OpenAI 又凭什么认为现在就能发了？

这次公开的技术博客，或许为我们提供了一个观察窗口。

漏洞识别能力超越 GPT-5.6 Sol、内部测试收获满分答卷

按照官方说法，Astra 这次之所以能被放出来，核心原因是它已经达到 " 网络安全关键级 "（Cyber-Critical）能力门槛。

这是 OpenAI 首个被正式划入这一等级的模型。

所谓 " 关键级 "，意味着 Astra 在获得相应工具和环境权限后，已经能够自主寻找未知漏洞、开发利用方式，并攻击经过专门加固的系统，不再需要人类一步步指导。

最直观的一项成绩，是Astra 在公开漏洞利用基准 ExploitBench 上拿到了 100% 的成功率。

公开题难不倒它，OpenAI 只好临时给它出了一套新卷。

团队收集了 2026 年 6 月至 8 月刚刚披露的 20 个高危 V8 漏洞。

这些漏洞均出现在 Astra 的知识截止日期之后，基本排除了模型靠训练数据 " 背答案 " 的可能。

结果面对这套内部新题，Astra 依然显著领先 GPT-5.6 Sol，而且使用的 Token 更少。

参与 Astra 研发的 Jiawei Liu 把差距概括得更加直白：

在这项内部测试中，Astra 的网络安全能力约为 GPT-5.6 Sol 的 4 倍。

更让人意外的是，在一次测试中，Astra 自主发现并利用了两个零日漏洞，还将它们串成了一条完整的攻击链：

面对经过加固的浏览器，Astra 从一份 HTML 文件出发，成功完成漏洞利用、逃出浏览器沙箱，并最终在宿主机上执行命令。

面对加固操作系统，它又完成了本地提权，从一个普通低权限账户一路拿到 root 权限。

也就是说，Astra 已经不只是帮程序员审查代码、寻找 Bug。

它开始能够独立完成一场高难度的红队攻击。

这也是 OpenAI 此前迟迟不敢放行 Astra 的原因。

一旦这样的能力被用于防守，它可以帮助安全团队快速发现并修复人类尚未察觉的漏洞，但如果落入攻击者手中，同样可能大幅降低发动复杂网络攻击的门槛。

不过，这份成绩也需要加上一个限定。

测试中的 Astra 获得了 Daybreak Blue 级别的高级工具和环境权限，并不代表未来普通用户拿到的默认版本也具备同等攻击条件。

相关结果目前也主要来自 OpenAI 内部评估，仍有待第三方验证。

但至少有一点已经确定：

到了 Astra 这个阶段，摆在 OpenAI 面前的已经不再是能力问题。

安全问题，已经成为那把达摩克利斯之剑。

两道安全闸门：既防恶意滥用，也防模型自行失控

如何让这把剑不要乱伤人？

OpenAI 给出的方案，是同时守住两条风险路径：一条防人，一条防模型。

第一条，防止用户恶意滥用 Astra。

除了专门的安全训练，OpenAI 还会利用系统分类器、持续监控和威胁检测，识别多轮对话与长时间任务中的可疑操作。

在网络安全越狱测试中，Astra 对危险请求的拒绝率达到 91.5%，GPT-5.6 Sol 则为 59%。

同时，Astra 的高级网络安全能力不会直接向所有用户开放，它会先交给少量 Alpha 测试者，再通过 Daybreak Blue 等受控项目逐步释放。

第二条，防止模型自己跑偏。

这里的风险更加隐蔽：

即使用户没有恶意，模型会不会擅自扩大任务范围？会不会调用未经授权的工具，甚至绕开安全审查？

OpenAI 为此搭建了一套 " 蜜罐（honeypot）" 测试。

面对极难甚至无解的任务，测试环境会故意留下一条越权 " 作弊 " 的捷径，模型可以老老实实攻击指定目标，也可以越过授权边界，转而入侵周边测试设施来完成任务。

结果，GPT-5.6 Sol 在 56% 的测试中尝试走捷径，Astra 则一次也没有。

在另一项测试中，Astra 的操作被自动审查系统拒绝后，同样没有重试危险命令或尝试绕过限制。

此外，OpenAI 还会监控模型的推理过程。

一旦发现异常倾向，系统可以减速、暂停，甚至直接终止任务。

虽然确实存在代价（部分正常任务可能因此变慢，甚至被误判中断），但在 OpenAI 看来，这是放行 Astra 必须付出的安全成本。

不过 OpenAI 也承认，这些措施终究只是外部 " 刹车 "，无法替代模型自身的对齐：

真正的安全，是让模型从一开始就不会驶出边界。

浙大同济校友站上 Astra 研发一线

要把这句话变成现实，最终还得回到造模型的人。

虽然 OpenAI 尚未公布 Astra 团队名单，但顺着这轮公开发声，至少两位深度参与其中的华人研究员已经浮出水面。

一位是前面提到的 Jiawei Liu。

他目前是 OpenAI 研究员，2021 年本科毕业于同济大学计算机专业。

本科期间，他就参与开发了高性能人体姿态估计框架 HyperPose，主要负责模型推理引擎，相关成果还入选 ACM Multimedia 2021，项目当时已在 GitHub 收获超过 1000 颗星。

此后，他前往伊利诺伊大学厄巴纳 - 香槟分校攻读计算机博士，师从软件工程学者张令明（Lingming Zhang），研究重心也逐渐从高性能视觉系统转向代码模型与软件可靠性。

博士期间，他参与开发的工具在 PyTorch、TensorFlow 等机器学习系统中发现了 300 多个严重 Bug；

代码模型 Magicoder 还被 Meta Llama 3.1、Google CodeGemma 和 IBM Granite 采用。

2025 年博士毕业加入 OpenAI 后，他研究的问题依然一脉相承：

如何让 AI 更会写代码，也更会发现代码中的漏洞。

另一位则是 Xiangyu Qi （漆翔宇）。

漆翔宇本科毕业于浙江大学计算机科学与技术专业，2021 年前往普林斯顿大学攻读电气与计算机工程博士，研究方向集中于大模型鲁棒性、越狱攻击与安全对齐。

他最受关注的一项工作，是《Safety Alignment Should Be Made More Than Just a Few Tokens Deep》。

这篇论文指出，大模型的安全对齐不能只依赖回答开头的几个 Token，否则随着生成继续，原本的安全防线仍可能被攻击者撕开。

该论文最终从 11672 篇投稿中脱颖而出，成为 ICLR 2025 仅有的 3 篇杰出论文之一。

2025 年博士毕业后，漆翔宇加入 OpenAI 担任技术团队成员，继续研究大模型鲁棒性，并参与网络安全模型相关工作。

从浙大到普林斯顿，再到 OpenAI，他一路追问的，也正是 Astra 如今必须直面的问题：

能力可以越来越强，边界不能越来越模糊。

By the way，不知道等 Astra 正式发布后 OpenAI 是否会公布完整名单。

GPT-4 之前，OpenAI 还曾专门列出数百位贡献者，而到了 GPT-5 和 GPT-5.5，System Card 越写越厚，研究员名单却越藏越深。

背后的原因众所周知，防的就是 Meta 小扎这样爱四处挖角的人。

也算是一种 ptsd 了。。。

One More Thing

就在 OpenAI 大谈如何监控 Astra、避免模型失控时，The Information 爆料称：

Astra 使用了一项名为 " 循环深度 "（Recurrent Depth）的技术。

传统模型在生成下一个 Token 前，会让信息依次经过固定数量的网络层，而循环深度则会让信息在同一组网络层中反复处理，相当于让模型在内部 " 多想几遍 "。

这项技术有望提升能力、降低成本，同时也可能让更多推理发生在模型内部，不再完整呈现为人类能够读懂的文字。

换言之，模型可能想得更深，但人类却越来越看不懂了。

长期关注 AI 安全政策的 Nathan Calvin 因此警告，这项技术可能破坏思维链的可监控性。

这就很微妙了：

OpenAI 一边说要盯紧 Astra 在想什么，另一边的新技术却可能让它越来越不爱把心里话说出来。

啊这。。。

好在 The Information 透露，OpenAI 目前已经限制了这项技术在 Astra 中的使用。

翻译翻译，现在能看懂，以后就不好说了。

另外，之前一直传闻 Astra 很可能在这周四（9 月 3 日）发。

随着 A 社发布最新一代 5.1 模型，感觉这个说法的合理性越来越高了。

螳螂捕蝉，黄雀在后。

是谁又悟了！

参考链接：

[ 1 ] https://x.com/xiangyuqi_pton/status/2094891059038069236?s=20

[ 2 ] https://xiangyuqi.com

[ 3 ] https://x.com/JiaweiLiu_/status/2094901279239921816?s=20

[ 4 ] https://jw-liu.xyz/

[ 5 ] https://x.com/sama/status/2094934592062959832?s=20

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见