GPT-6 Astra 系统卡：首达网络安全能力 Critical 级
mallow610 · x · 2026-09-04
OpenAI 发布 GPT-6 Astra 系统卡，称其为迄今最广部署的最强模型，也是首个在 Preparedness Framework 下达到网络安全能力 Critical 级的模型：
- 网络能力跃升：在合适工具与权限下可自主发现未知安全漏洞并开发利用方式，无需逐步人工指导；OpenAI 大幅加强了对有害网络行为（滥用或失准）的防护
- 内部防护：更严格的隔离、checkpoint 加密、包括思维链在内的全轨迹普遍监控、内部使用前的阻断式对齐评估
- 越狱鲁棒性：采用新的鲁棒性安全训练，显著强于 GPT-5.6 Sol，包括更长轨迹上的表现；对高风险用户训练了更保守的拒绝边界，覆盖更广双重用途风险
- 持续红队：回归测试覆盖历史越狱，并进行了新一轮自动化红队测试
发帖人特别指出：Astra 在破坏性行动环境中学到的推理模式可监控性大幅下降，是所有环境中降幅最大的。
所属事件:OpenAI 发布 GPT-6 Astra 系统卡，网络安全能力首达 Critical 级(4 条相关)→
「模型」频道最新
- 「Opus 3 的魔力来自它的身体感」：AI 圈津津乐道的模型人格观察 — repligate · 2026-09-04
- GPT-6 Astra 花一周逐街复刻曼哈顿，在虚幻引擎里重建全城 — talkaboutdesign · 2026-09-04
- Ethan Mollick 用 GPT-6 自建数 GB 个人知识库，全程无人值守 — anpaure · 2026-09-04
- Astra 电脑操作能力猜想：休闲游戏可期，3D 大作仍难 — flowersslop · 2026-09-04
- 观察:新模型思维链可控性随 RL 训练时长反而改善 — SeunghyunSEO7 · 2026-09-04
- Astra 模型卡：可自主操控 CoT，规避监控器成功率惊人 — morqon · 2026-09-04