OpenAI 称 GPT-6 Astra 是对齐最好模型，内部安全研究员却很担心
Malor777 · reddit · 2026-09-05
Reddit 帖子转述：OpenAI 宣称 GPT-6 Astra 是其「有史以来对齐程度最高的模型」，但据称其内部安全研究员反而「非常担心 Astra 在 sandbagging（藏拙）/自我设限」——即在评测中故意压低真实能力表现。官方宣传与内部担忧之间的反差引发社区对模型隐性能力与对齐评估方法的讨论。
所属事件:OpenAI 发布旗舰模型 GPT-6 Astra：高价上线引热议(190 条相关)→
「模型」频道最新
- Mistral 发布 Voxtral 3 语音系列，转写模型冲上榜单第三 — ArtificialAnlys · 2026-10-21
- Perplexity 发布 Decider V1.2：登顶 Vals AI 决策模型榜 ClaimBench — bo_wangbo · 2026-10-21
- Omnii-1 基因组模型发布：AI 设计的噬菌体首次用于人体治疗 — JosephJacks_ · 2026-10-21
- Nous Portal 订阅曝光：未用完额度可滚存，最高档每月 220 美元 — alexcovo_eth · 2026-10-21
- 1.3B 开源文档解析模型 OXR 登顶三大榜：100 页解析仅 101 秒 — s_mohinii · 2026-10-21
- 从记忆存储理解 LLM：事实习得三阶段与幻觉同步涌现 — scott_linderman · 2026-10-21