OpenAI 宣布即将发布的 Astra 是首个被认定为 Preparedness Framework 网络安全 Critical 能力阈值的模型,在 ExploitBench 等评测中显著强于 GPT-5.6 Sol,并曾发现零日漏洞。公司已推迟部分训练与发布节奏,强化拒答、分类器与思维链监控,高级网络能力将先向有限测试者与 Daybreak Blue 开放。

核心要点速览 (Key Takeaways)

  • Astra 被认定为网络安全 Critical 能力档,为 OpenAI 首个该级别模型。
  • ExploitBench 满分,内部高危 V8 集表现显著好于 GPT-5.6 Sol,并发现两处零日。
  • 发布前强化模型拒答(越狱拒答约 91.5%)、系统分类器与 CoT 监控;高级网络能力先限量开放。
ADSponsored