OpenAI 警告 Astra 模型達「關鍵」網路攻擊門檻！緊急暫停內部部分測試

AI 的雙面刃效應再度引發關注！據 OpenAI 發布的最新官方聲明指出，其即將推出的新一代模型 Astra 在網路安全與代理式編碼能力上取得驚人進展，可能已觸及「關鍵（Critical）」風險門檻。為此，OpenAI 已緊急暫停部分內部測試，並全面升級安全控管措施，以防範潛在的網路攻擊風險。
（前情提要：用到爽》OpenAI 宣布解除 ChatGPT 免費版文字對話上限，升級 GPT-5.6 Luna）
（背景補充：OpenAI 傳下週推出最強模型「Astra」！內部代號 mewfour 已進入發布候選階段）

本文目錄

隨著人工智慧（AI）技術的快速演進，網路安全領域正面臨前所未有的挑戰與機遇。台北時間 8 月 7 日，OpenAI 發布了一份標題為《回應關鍵網路能力的下一個前沿》的官方安全聲明，針對其即將推出的新一代模型 Astra 進行了最新的內部評估說明。

評估結果顯示，Astra 在代理式編碼（Agentic coding）與網路安全領域展現出顯著的進展。結合專家的綜合評估，OpenAI 坦言，目前已無法排除 Astra 達到了其「準備度框架（Preparedness Framework）」中的「關鍵（Critical）」網路能力門檻。基於對公眾及安全社群保持透明的承諾，官方決定主動公開這項資訊。

什麼是「關鍵」網路安全能力？

根據 OpenAI 於 2023 年 12 月發布的準備度框架，模型若要達到「關鍵」門檻，必須具備極高的自主攻擊能力。具體而言，模型需能在無人類干預的情況下，識別並開發出針對真實世界關鍵系統的各嚴重程度功能性零日漏洞（Zero-day exploits）；或者僅需接收高階目標指示，就能自行設計並執行針對高防護目標的端到端新型網路攻擊策略。

相較之下，先前的模型（如 GPT-5.6-Sol）在網路能力評估中僅被評為「高（High）」風險等級，並未達到關鍵門檻。官方也特別澄清，Astra 仍在持續進行基準測試與評估，且此次安全升級與近期 Hugging Face 的漏洞利用事件並無任何關聯。

OpenAI 緊急踩煞車，全面升級安全防線

面對 Astra 展現出的強大潛力與伴隨而來的風險，OpenAI 迅速採取了一系列強化保障措施。首先，官方已暫停 Astra 內部尚未符合強化安全要求的相關活動，並針對高能力模型實施更嚴格的控制，包含隔離測試環境、限制網路與工具存取，以及加強模型權重的加密保護與沙盒執行。

此外，OpenAI 在 Astra 的所有代理式應用（包含訓練與評估）中導入了通用監控機制，針對模型的「思維鏈（Chain of Thought）」進行評估。一旦在執行高風險活動時偵測到危險行為或偏差，系統將立即觸發安全回應並中斷操作。

承諾與政府合作，確保 AI 負責任部署

除了內部控管，OpenAI 也承諾將與相關政府機構及選定的 AI 安全組織展開密切合作，共同測試 Astra 的極限能力，並向第三方測試合作夥伴提供建議的安全控制措施。事實上，這種主動防禦的策略已有先例；在 2025 年 6 月，當模型接近生物領域的高能力門檻時，OpenAI 也曾採取過類似的公開說明與強化保障步驟。

OpenAI 強調，具備先進網路能力的 AI 模型，其最終使命應是幫助「防禦者」在攻擊者發動攻勢前，搶先識別並修復系統漏洞。透過持續的跨界合作與嚴格的安全把關，OpenAI 期望確保 Astra 及未來模型的前沿能力，能在負責任的框架下廣泛造福全人類。