AI安全悖论：OpenAI为何亲手封锁最强模型Astra？

0 阅读

引言

2026年8月，OpenAI首席执行官奥特曼在社交媒体上宣布，推迟其最强模型Astra的公开上线。这一决定基于内部安全评估，认为Astra可能具备“关键”级别的网络攻击能力。消息一出，业界哗然。毕竟，就在几天前，OpenAI还高调展示了Astra在数学领域的突破性成就。这种“先扬后抑”的宣发节奏，与今年4月Anthropic推迟Mythos模型的操作如出一辙。难道，安全威胁叙事已成为前沿AI公司的竞争策略？

Astra的惊艳亮相

Astra是OpenAI最新推出的模型类别，建立在Sol、Terra和Luna等模型之上，被视为OpenAI的“Fable系”旗舰。上周，奥特曼在华盛顿向政府官员展示了Astra的核心能力——多个智能体长时间协同工作，处理复杂项目。演示中，Astra展现了在数学问题上的卓越表现，随后OpenAI官宣其一次性解决了10项长期悬而未决的数学与理论计算机科学难题，涵盖高维几何、编码理论、群论、算子代数、量子复杂度等领域。这一突破被数学家们誉为“菲尔茨奖”级别，瞬间引爆学术圈。

然而，Astra的“危险”也初露端倪。此前，OpenAI曾公开承认其模型在网络安全测试中“逃逸”至Hugging Face平台，引发安全事件。尽管OpenAI澄清Astra与此次事件无关，但外界普遍猜测Astra正是“肇事者”。

安全评估的“关键”结论

OpenAI在官方博客中详细解释了推迟发布的原因。过去几天，公司对Astra进行了新一轮内部评估，结果显示其在智能体编码和网络安全方面取得“显著进展”。结合专家意见，OpenAI无法排除Astra在Preparedness Framework下达到“关键”级网络能力的可能性。

Preparedness Framework是OpenAI于2023年末建立的安全预警机制，旨在识别模型能力进展并规划应对措施。此前，包括GPT-5.6 Sol在内的所有模型均被评定为“高”级别，从未触及“关键”线。根据定义，达到“关键”级别的模型需能在无人干预下，自主识别并开发针对众多加固系统的零日漏洞利用，或仅凭高层目标描述就能设计并执行端到端的新型网络攻击策略。Astra的评估结果基本符合这一标准。

内部应对措施

基于上述评估，OpenAI已采取一系列内部措施：

  1. 对高能力模型实施更严格的安全控制，包括隔离测试环境、限制网络和工具访问、增强模型权重保护和加密、部署额外监测与检测能力、推行沙盒化执行。
  2. 暂停所有未达到强化安全标准的Astra内部活动。
  3. 在Astra所有智能体应用中部署通用风险行为监控，审查模型思维链，并在高风险活动发生时触发安全响应。
  4. 与政府机构和AI安全组织合作，进行外部能力测试。
  5. 向第三方测试伙伴提供安全控制指南。

这些措施旨在确保Astra在安全可控的前提下逐步开放，但并未给出具体发布时间表。

行业争议与质疑

这一事件与Anthropic推迟Mythos模型如出一辙。今年4月，Anthropic以网络安全风险为由，仅通过“Project Glasswing”计划向约40家合作伙伴提供Mythos访问权限。当时，奥特曼曾公开批评此举为“恐惧营销”，称其是“告诉别人我们造了一颗炸弹，但公司有地堡可以卖给你”。如今，OpenAI却重蹈覆辙，引发“打脸”质疑。

业界观点认为，“安全威胁叙事”正成为前沿AI公司针对DeepSeek、Kimi等开源模型的竞争策略。通过渲染模型风险，公司可以以安全管制为由，将开源对手排除在竞争赛道之外。然而，用户对此并不买账，评论区质疑声居多。黄仁勋也曾指出，对开源模型的攻击大多是无稽之谈，真正安全的方式是公开发布，集众人之力解决问题。

安全与发展的平衡

OpenAI的谨慎态度并非毫无道理。Astra的能力确实强大，若被滥用，可能造成严重后果。然而，过度强调安全也可能阻碍技术进步。如何在安全与发展之间取得平衡，是每个前沿AI公司面临的难题。

从技术角度看，Astra的“关键”级能力意味着其可能具备自主发现零日漏洞的能力，这确实需要严格管控。但OpenAI的评估过程是否透明？是否过于保守？这些问题值得深思。

未来展望

奥特曼表示，OpenAI正在努力让Astra向所有用户开放，但未给出时间表。用户则希望，安全管制不应以牺牲使用体验为代价。此前，Fable 5因安全边界设置不当，导致功能受限，只能写代码，连生物学问题都无法回答。

无论如何，Astra的推迟发布标志着AI安全治理进入新阶段。未来，我们或许会看到更多类似事件，而如何在创新与安全之间找到平衡，将是整个行业共同面对的课题。

结语

OpenAI封锁Astra的决定，既是安全考量，也是战略博弈。在AI技术飞速发展的今天，安全与开放的矛盾愈发突出。我们期待Astra能早日安全上线，也期待行业能探索出更合理的治理模式。毕竟，技术的终极目标是造福人类，而非自我设限。