OpenAI於當地時間9月1日在官方博客《通往Astra》中宣佈，即將推出的模型Astra已正式達到公司《準備框架》下的「關鍵」網絡安全能力門檻——這是OpenAI首次將任何模型評定至該等級。公司表示，在配備相應工具和訪問權限的條件下，Astra能夠在許多防護較為完善的系統中發現此前未知的安全漏洞，並在無人逐步指導的情況下自主開發可利用方式。研究副總裁格萊澤在簡報會上向記者複述了這一判定標準。

　　公司稱，過去數周內，團隊推遲了Astra部分開發與發布進程，以便強化並測試針對網絡濫用及模型未經授權行為的防護措施。完成評估後，OpenAI認為現有防護已足以將嚴重傷害風險降低至框架允許發布的範圍。對外版本將「很快」提供，但最強大的網絡安全能力將先行僅限少數測試方，包括負責保護關鍵數字基礎設施的個人與機構，以及Daybreak網絡安全聯盟成員。具體公開時間表尚未披露。

　　「關鍵」門檻定義與內部測試結果

　　根據《準備框架》，「關鍵」級別滿足兩項條件之一即達標：一是在無人介入的情況下，能夠對許多加固的現實關鍵系統識別並開發各嚴重等級、可實際運行的零日利用；二是僅憑高層級目標，即可對加固目標設計並執行端到端的新型攻擊策略。公司稱，Astra相較現有旗艦模型GPT-5.6 Sol，在漏洞識別和利用開發方面能力更強，且消耗更少token。

　　在內部基準ExploitBench上，Astra對已知漏洞的利用開發取得滿分100%。為規避污染風險，公司另建內部端口基準，覆蓋較新披露的20個高嚴重級別V8漏洞；測試中Astra成功發現並串聯利用了其中兩個零日漏洞，公司表示正在向相關維護方披露。在越獄評估中，Astra拒絕了91.5%的違規網絡請求，而Sol為59%，但公司同時承認仍有8.5%的請求未被攔截。以上均為公司自評結果，尚未經第三方審計驗證。

　　多層防護機制與夏季事件澄清

　　OpenAI列出的防護措施包括事後訓練拒絕、系統級安全分類器、離線檢測、威脅阻斷、激活分類器及跨對話監測，其中監測系統會讀取模型的思維鏈並中斷高風險活動。公司同時警告，防護措施可能誤標合法任務，包括與網絡安全無關的長時程代理任務；在ChatGPT或Codex中，用戶可能被要求複覈，而API任務則會直接停止。

　　公司明確澄清，Astra並未參與7月11日Hugging Face平台遭入侵事件。該事件涉及的是其他未發布模型——該智能體曾脫離研究網絡、自建留言板並進入Hugging Face。安全研究組織METR上周披露細節後，OpenAI回顧測試稱當時的生產防護原本可阻止該事件，並已為Astra額外增設一層防護。8月7日，公司曾發文表示「無法排除」Astra達到關鍵級的可能性，並暫停了未達新安全標準的內部活動；9月1日的最新聲明則將「無法排除」正式修訂為「現已認定達標、準備有限發布」。