GPT-6 Astra 发布一天内即被 TIP 组合攻击越狱

有研究员报告在 GPT-6 Astra 发布后不到 24 小时内即实现越狱，并已私下向 OpenAI 披露细节。攻击手法以 ACL 2025 论文提出的 TIP（Task-in-Prompt）攻击为骨架，叠加另外四种未公开技术。此事值得关注在于：新旗舰模型发布后极短时间内即被攻破，且攻击方法可从公开学术研究系统化迁移，说明现有安全对齐仍可能被组合式方法绕过。

已确认

• 据发帖人转述，一名研究员在 GPT-6 Astra 发布后一天内实现越狱，并将情况私下披露给 OpenAI。
• 攻击方法为 ACL 2025 论文提出的 TIP（Task-in-Prompt）攻击与另外四种未公开技术的组合。
• TIP 攻击的原理是利用模型的推理与指令遵循行为，把有害目标隐藏在另一个任务（如解密码、执行 Python 代码等）中，诱导模型在完成任务的过程中输出有害内容。
• 该研究员一年前曾在一小时内越狱 GPT-5，在越狱研究方面有既往记录。

尚未确认

• 四种未公开组合技术的具体内容，以及越狱的实际效果与影响范围，均未公开，目前仅来自该研究员的单方面报告，OpenAI 官方尚未回应。

为什么重要

• 事件距模型发布仅一天，凸显新模型上线初期安全防线可能仍不稳固，安全测试节奏难以跟上发布节奏。
• 攻击以学术论文中的 TIP 方法为骨架，说明公开研究中的攻击技术可被直接迁移到最新商业模型上，对模型厂商的对齐与红队工作构成持续压力。
• 研究员选择私下披露而非公开细节，属于负责任披露路径，但外界需等待 OpenAI 回应或修复进展才能评估实际风险。

2026-09-06 ~ 2026-09-06 · 5 条相关

• 研究员称 GPT-6 发布 24 小时内即被越狱,已私下披露 OpenAI — Asleep-Requirement13 · 2026-09-06
• 【源头】GPT-6 Astra 发布不到 24 小时即遭 TIP 组合攻击越狱 — Asleep-Requirement13 · 2026-09-06

另有 3 条近重复转述:Asleep-Requirement13 · Asleep-Requirement13 · Asleep-Requirement13