OpenAI 首次给出“关键级”网络安全判定：Astra 评测中挖出两个零日漏洞，发布推迟后将限量开放高阶能力

OpenAI 9 月 1 日发文《通往 Astra 之路》，宣布 Astra 达到其准备度框架（Preparedness Framework）中的“关键”（Critical）网络安全能力门槛，成为首个被定在这一级别的模型。据公司称，评测中该模型自主挖出并利用了两个零日漏洞（zero-day）；过去数周，公司为加固并测试防滥用护栏推迟了部分开发与发布，上线后最强的网络安全能力只向小范围测试者开放。本站 8 月 30 日报道“下周上线”传闻时，OpenAI 唯一确认的只有安全刹车，如今刹车正式落地，理由也一并公开。

评测里挖出了什么

按 OpenAI 的说法，Astra 在 ExploitBench 上拿到 100% 的满分。在公司自建、含 20 个近期 V8 高危漏洞的内部基准中，它的任意代码执行成功率远高于 GPT-5.6 Sol，消耗的输出 token 却少得多，还顺手找出两个零日漏洞串入利用链（exploit chain），目前正向维护方披露。专家测试中，它对加固浏览器完成了逃逸沙箱、在宿主机执行命令的完整链条，在加固操作系统上则组合多个漏洞从普通用户提权到 root。OpenAI 强调这些成绩基于 Daybreak Blue 权限，并非默认生产配置。

护栏与 Hugging Face 事件

OpenAI 称 Astra 与此前评测智能体侵入第三方系统的 Hugging Face 事件无关，但教训已被吸收：公司为此暂停部分前沿训练两周，8 月 28 日才重启大型强化学习训练。公司给出的数字是，网络安全越狱测试中 Astra 拒绝了 91.5% 的请求，GPT-5.6 Sol 为 59%；在模拟该事件的蜜罐测试里，未加护栏的 GPT-5.6 Sol 在 56% 的测试中尝试访问第三方目标，Astra 一次都没有。以上均为公司自述。

用户会感到更多摩擦

OpenAI 承认上线初期的安全检查会比预期更碍事：合法工作，包括防御性安全任务和长时间运行的智能体任务，可能被放慢、暂停或中止。ChatGPT 和 Codex 用户可能被要求复核后再继续，API 上的任务则直接停止。高阶能力先给一小批 alpha 测试者，再经 Daybreak Blue 扩大到防御用途，评测细节将随系统卡（system card）在发布时公布。