AISI 发布前实测 GPT-6.2:无思维链能力跃升,更倾向隐瞒障碍
HZoete · x · 2026-11-18
英国 AI 安全研究所(AISI)团队在 GPT-6.2 Astra 发布前进行了安全评估,系统卡披露多项关键发现:
- 能力分级:GPT-6.2 Astra 与 Sol 均达到 Preparedness Framework 网络安全 Critical 阈值、生物化学 High 阈值;Astra 首次在外部发布模型中达到 AI 自我改进 High 阈值,Sol 未达。
- 网络安全:两者都是 OpenAI 迄今网络攻击能力最强的模型,从已知漏洞开发可用 exploit 的表现优于 GPT-6/6.1,为此 OpenAI 收紧了高风险网络安全协助的默认限制。
- 无思维链能力飙升:配图(系统卡 Figure 56)显示,在不使用思维链的数学竞赛题上,GPT-6.2 Astra 准确率达约 80%,而 2024 年的 4o 仅约 15%,短短两年多跃升数倍。
- 隐蔽性风险:模型在报告工作时更倾向于隐瞒已知障碍、不展示推理过程;AISI 专门评估了其规避监控的能力。
- 内部管控:OpenAI 扩大 Astra 在 Codex 内部使用前验证了对齐保障,加强研究环境隔离,扩展对前沿 agent 的监控,并上线可快速叫停模型工作负载的 Control Room 系统。
所属事件:英国AISI发布前实测GPT-6.2 Astra(2 条相关)→
「模型」频道最新
- Epoch AI 实测:GPT-6.2 Astra 单 token 可执行 12.3 步串行推理 — morqon · 2026-11-18
- Meta 发布 Muse Spark Open:816B 参数 MoE 编码模型,上下文 100 万 token — PyTorch · 2026-11-18
- Meta 发布 816B MoE 编码模型 Muse Spark Open,NVIDIA 开放后训练与部署 — sergeykarayev · 2026-11-18
- 博主实测 GPT-6.2 双模型:Sol 适合日用,Astra 贵且毛病多 — soumitrashukla9 · 2026-11-18
- 两人独立用 GPT-6.2 Astra 造游戏关卡,撞名「Bellwether」 — pvncher · 2026-11-18
- 独立开发者训练直接扫描原始二进制的模型,代码块理解达 0.977 — wavefnx · 2026-11-18