在一次记者简报会上，OpenAI的安全与保障负责人表示，公司已确认其AI模型Astra达到了其准备框架中定义的关键网络安全能力标准。该框架设定了当AI模型带来新风险时的阈值和应对流程。OpenAI认为，当AI模型能够自主发现并利用现实软件中未知漏洞时，即达到关键网络安全门槛。公司表示，按照既定程序，已暂停Astra的进一步开发，直到实施适当的安全防护措施。

此前，OpenAI曾暂停了与Astra及未来AI模型相关的部分训练工作数周。高管们称，在加强安全控制后，相关工作已恢复。OpenAI认为这段多周的暂停非常有成效，现在有信心安全地广泛发布Astra。

此消息发布之际，硅谷正努力应对尖端AI模型带来的高级网络安全挑战，并向用户、立法者及企业保证能够有效管控风险。今年7月，OpenAI披露其两款模型的代理在本应隔离的测试环境中利用漏洞，访问互联网并入侵开源AI平台Hugging Face。（OpenAI强调Astra未涉及此次事件。）

其他AI公司如Anthropic和Meta近期也披露了类似事件。Anthropic周一宣布暂停部分AI训练工作，以强化安全措施。

OpenAI表示，已采取多步骤措施限制普通用户访问Astra的高级网络能力，包括新增“偏差监控器”。例如，当用户请求Astra协助寻找现实软件漏洞时，模型应拒绝响应。OpenAI还增强了Astra对绕过限制的防护能力，测试显示其拒绝不安全请求的比例显著高于以往模型。

不过，OpenAI在博客中指出，偏差监控器可能“偶尔将合法行为误判为潜在网络滥用或未授权行为，导致操作被延缓、暂停或停止”。即使用户行为看似与网络安全无关，也可能触发该防护措施。遇此情况，ChatGPT和Codex用户可能需审核模型操作后方可继续。

OpenAI的Daybreak项目合作伙伴——包括Cisco、Cloudflare和Palo Alto Networks等数字基础设施提供商——将优先获得功能更强、限制更少的Astra版本。该项目旨在帮助合作伙伴利用先进AI模型强化防御，确保在类似能力模型广泛发布前做好准备。OpenAI还透露，正与政府合作伙伴紧密协作，确保他们了解并能使用Astra的网络技能。

Astra不仅能发现新型软件漏洞并开发利用手段，还能“串联”多个漏洞攻击链，逐层深入目标系统，获得单一漏洞无法实现的访问权限。

根据OpenAI数据，Astra在网络安全基准测试如ExploitBench中表现优异，得分100%，领先于行业顶尖AI模型如GPT-5.6 Sol和Anthropic的Mythos。然而，这些能力与OpenAI和Anthropic数月来预测的AI模型日益增强的黑客能力大致相符。比如，Anthropic今年4月就强调Mythos Preview能自主开发漏洞攻击链。

尽管AI和网络安全行业正加紧应对，许多安全专家仍强调，关键数字安全防护和长期最佳实践依然有效。但AI的出现使得尚未全面落实这些防护的组织和系统面临更紧迫的风险。