OpenAI新模型Astra获评Critical级网络攻击能力，能拼零日攻击链逃逸沙箱提权root

APPSO · wechat · 2026-09-02

OpenAI发布Astra安全评估博客，将其网络安全能力定为前所未有的Critical级：在ExploitBench中全部题目写出可用攻击代码拿到满分，还在内部测试（含2026年6-8月披露的20个高危V8漏洞）中发现2个未知零日漏洞，并组合成完整攻击链——打开HTML文件后逃出浏览器沙箱在宿主机执行命令，另在操作系统评测中组合漏洞完成本地提权直至root。任意代码执行成功率和Token效率均高于GPT-5.6 Sol。

安全方面，Astra对违规请求拒绝率达91.5%（GPT-5.6 Sol为59%），OpenAI称其为「迄今最对齐的模型」；在模拟HuggingFace事件设计的「蜜罐」测试中，Astra完全不碰作弊捷径，GPT-5.6 Sol则有56%尝试访问。受HuggingFace攻击事件影响，OpenAI曾暂停训练约2周加强隔离与监控，这也是Astra推迟发布的主因。

据The Information爆料，Astra可能采用了「循环深度」（循环Transformer）技术：同一组网络层反复处理信息，在不等比增加参数的前提下提升单Token内部计算量，小模型可表现得更像大模型。但这可能让部分推理停留在内部数值状态、不体现在可读思维链里，给思维链监控带来新挑战；OpenAI称已限制其使用程度并配备额外监控。Sam Altman确认下一款旗舰模型很快发布，称「没有人完全理解」如此强大的AI会带来什么。正式名称、定价、上线日期均未公布，最高危能力初期仅向少量alpha测试者开放。

所属事件:OpenAI 预告 Astra 模型，gpt-6-astra 线索密集涌现(85 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →