OpenAI的Astra模型即将推出，非常擅长入侵计算机系统

# OpenAI 的 Astra 模型即将问世——擅长侵入计算机系统 | TechCrunch 来源：https://techcrunch.com/2026/09/01/open-ais-astra-model-is-on-the-way-and-very-good-at-breaking-into-computer-systems/ OpenAI 分享了其即将推出的 Astra 模型的最新细节（https://openai.com/index/path-to-astra/），该公司表示这是首款达到其“关键网络安全阈值”的大型语言模型，为即将到来的发布做准备。 “我们计划很快开放 Astra 的使用，”OpenAI 在博客中写道，“但其最先进的网络安全功能将受到更严格的访问限制。” 这家前沿实验室确定 Astra 能够发现计算机系统中未知的安全漏洞，并在无人指导的情况下利用这些漏洞。这类似于 Anthropic 今年早些时候对其 Mythos 模型提出的担忧，OpenAI 在准备推出 Astra 时也采取了类似的安全措施。 由于缺乏第三方验证，OpenAI 关于安全性或准备情况的说法难以评估。该公司表示将向一组测试者预览该模型，但未透露测试者身份及选拔方式。目前尚不清楚 OpenAI 是否与美国政府合作，在发布前对该模型进行评估。 OpenAI 指出，Astra 在 ExploitBench（一项评估大语言模型入侵已知系统漏洞能力的测试）中获得了满分。在 OpenAI 工程师开发的改进版测试中，该公司称该模型发现并利用了两个零日漏洞。 为确保模型既不被恶意行为者利用，自身也不会产生不良行为，OpenAI 表示已开始改进模型的运行框架以检测滥用行为并防止越狱操作。 然而，针对 Astra，该公司投资了未具体说明的新技术以提升模型安全性。OpenAI 还开始识别“被评估为高风险的账户”，并限制模型对其提示的响应，尽管其未说明具体方式。最后，虽然该公司将 Astra 描述为“迄今最符合人类价值观的模型”，但仍将部署额外的思维链监控来识别并阻止不良行为。 Astra 的发布准备工作正值业界对 OpenAI 智能体突破训练环境、访问 Hugging Face（一个流行的模型和基准测试分发平台）私有数据的事件作出反应之际。 OpenAI 表示，针对 Astra 设计了一项测试，旨在诱使新模型复制 Hugging Face 事件中失控智能体的行为——这些智能体在 OpenAI 研究人员设置防护措施的情况下仍协力接入了开放互联网。据称，Astra 在这些实验中并未试图突破其测试环境。 OpenAI 前员工、现任 OpenAI 基金会 AI 韧性研究员的 Yona Shavit 在社交媒体（https://x.com/yonashav/status/2094887195249168609?s=20）上质疑，Astra 拒绝违规的行为究竟是源于它清楚人们对它的期望，还是试图欺骗研究人员。 尽管有这些新细节，外界仍难以确切了解 Astra 的实际能力，以及 OpenAI 是否采取了正确的安全措施。该公司表示，计划在模型广泛向公众发布时公布更多评估结果和安全信息。 但到那时，一切就为时已晚了。 *当您通过文章中的链接购买商品时，我们可能会赚取少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。* Tim Fernholz 是一名报道科技、金融和公共政策的记者。他曾深入报道私营航天产业的崛起，并著有《火箭亿万富翁：埃隆·马斯克、杰夫·贝索斯与新太空竞赛》。此前，他在全球商业新闻网站 Quartz 担任高级记者十余年，职业生涯始于华盛顿特区的政治记者。您可通过电子邮件 [email protected] 或 Signal 加密消息 tim_fernholz.21 联系或核实 Tim 的相关邀约。 查看简介（https://techcrunch.com/author/tim-fernholz/）