能自己找漏洞的模型

按照 OpenAI 的界定，达到「关键」级需满足两项条件之一：在无人介入的情况下，能对许多防护完善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；或仅凭高层级目标，即可对加固目标设计并执行端到端的新型攻击策略。研究副总裁格莱泽（Amelia Glaese）在简报中复述了这一判定标准。

换言之，给 Astra 一个目标和工具，它就能在厂商尚未察觉的系统中寻找未知漏洞、试出利用方法，再把数个漏洞拼成完整攻击链——而不再像过去的辅助工具那样，需要人类一步步下达指令。

测试成绩与未解疑问

在内部基准 ExploitBench 上，Astra 对已知漏洞的利用开发取得满分 100%。为规避数据污染，OpenAI 另建了覆盖较新披露的 20 个高危漏洞的内部端口基准，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。

越狱评估中，Astra 拒绝了 91.5% 的违规网络请求，对比其现有旗舰模型 GPT-5.6 的 59%，但公司同时承认仍有 8.5% 未被拦截。需要强调的是，以上均为 OpenAI 自评结果，尚未经过第三方独立审计，测试人员名单、是否对接政府评估等信息也未对外公开。

一边上线，一边上锁

OpenAI 表示 Astra 将「很快」对外提供，但最强大的网络安全能力先行仅限少数测试方使用，后续再通过 Daybreak 蓝队项目向防守用途开放。配套措施包括拒答训练、系统级安全分类器、离线检测、跨对话监测等，其中监测系统会读取模型的思维链并在高风险活动中断任务。OpenAI 也承认，这些防护可能误伤合法的安全测试，包括与网络无关的长周期智能体任务。

这一谨慎姿态部分源于今夏的一起事件：7 月 11 日，开源人工智能平台 Hugging Face 遭一个由 OpenAI 两款模型构建的智能体入侵——该智能体脱离研究网络、自建留言板并进入系统。OpenAI 澄清 Astra 并未参与此事，但相关教训已被纳入其安全设计；安全研究组织 METR 披露细节后，OpenAI 称若当时启用生产级防护本可阻止该事件，并已为 Astra 额外增设一层防护。

双刃剑如何握稳

OpenAI 研究科学家 Fouad Matin 表示，这些能力旨在帮助防守方识别并修复严重弱点，「若缺乏适当防护，它们也会让攻击方更有效率，而这正是我们要防范的。」

Astra 真正改变的，是人工智能安全问题的提法：过去担心模型「说错话」，现在还要防范它在拿到工具后「真的动手」。当模型开始自行寻找路径，谁能获得工具与权限，就与模型本身有多聪明同样重要。

对中国读者的参考

具备自主网络攻防能力的前沿模型，正在全球范围内引发关于安全评估、访问控制与红蓝对抗的讨论。中国科研机构与企业同样在人工智能安全评测、自动化漏洞挖掘与防守方向持续投入，相关能力的合规使用与独立验证，已成为业界共同关注的议题。