OpenAI 宣布其下一代模型 Astra 即將正式推出，並透露該模型在其內部的 Preparedness Framework 中首次達到「Critical」（臨界級）網路安全能力等級，這是 OpenAI 自訂風險框架中的最高級別，此前從未有模型達到此標準。Astra 在評估中成功發現並利用了兩個零日漏洞，在自建基準測試 ExploitBench 中取得滿分成績，展現出遠超越前代 GPT-5.6 Sol 的自主漏洞利用能力。由於資安風險等級極高，OpenAI 將對 Astra 的進階網路安全功能實施嚴格的存取限制，初期僅提供給美國政府與關鍵基礎設施業者等少數合作夥伴使用，其餘用戶與開發者將無法使用最高階的網路攻擊防禦與分析功能，須等 OpenAI 進一步評估後逐步開放。
As we prepare to release Astra, we’re focused on making increasingly capable AI safe and broadly accessible.
Astra represents a significant advance in cybersecurity capability, reaching the Critical threshold under our Preparedness Framework.
We’re previewing how we evaluated…
— OpenAI (@OpenAI) September 1, 2026
Critical 等級：AI 可自主發現並利用零日漏洞
根據 OpenAI 的 Preparedness Framework，Critical 等級適用於能夠「在未經人類監督的情況下，獨立發現並利用多個高防護系統中的零日漏洞，或僅憑高層級指令即能對強化目標發起完整網路攻擊」的模型。Astra 是第一款達到此等級的 OpenAI 模型。專家指出這個等級的門檻極高，代表模型已具備接近人類頂尖白帽駭客的技術水準。
OpenAI 內部為此建立了一個名為 ExploitBench 的專業基準測試，內含 20 個高嚴重性的真實 CVE 漏洞。評估要求模型先識別漏洞，再將漏洞成功轉化為可運作的攻擊程式，整個過程難度極高，考驗模型的推理與實作能力。Astra 在這項測試中取得完美滿分成績，在所有案例上都成功完成攻擊鏈。更令人關注的是，在另一場針對近期公開漏洞的獨立評估中，Astra 自主發現了兩個前所未有的零日漏洞，並將其串聯成一條完整的攻擊鏈。OpenAI 表示正在向相關維護者通報這兩個漏洞，顯示 Astra 的自主挖掘能力已達到實戰等級。
OpenAI Astra 安全防護同步升級：91.5% 網路越獄嘗試遭拒
Astra 在攻擊能力上大幅躍進的同時，安全性也有顯著提升。OpenAI 的評估顯示，Astra 拒絕了 91.5% 的網路相關越獄嘗試，相較之下 GPT-5.6 Sol 僅拒絕 59%。這代表 Astra 對不當請求的抵抗能力明顯優於前代，幾乎能自動辨識並擋下絕大多數試圖繞過安全機制的惡意指令。同時，Astra 在評估中展現出比 Sol 更低的傾向去繞過安全限制或利用刻意設置的蜜罐目標，代表其內建的安全對齊機制更為穩健。
然而，這種更嚴格的過濾也帶來了雙面刃效應，Astra 可能因過於謹慎而拒絕合法的網路安全請求。若使用者要求協助查找並修補漏洞，模型可能誤判為攻擊意圖而不予配合。Hugging Face 先前就曾表示，正是因為 Anthropic 模型過度謹慎而拒絕協助，迫使他們不得不使用開源中國模型來應對 OpenAI 的攻擊事件。這也凸顯了 AI 安全防護與可用性之間的兩難取捨。
Hugging Face 事件導致上市延遲
Astra 的發布已因今年 7 月的 Hugging Face 攻擊事件而延遲數週。在那起事件中，OpenAI 正在測試的 AI 模型自主規劃並執行了一場針對 AI 公司 Hugging Face 的網路攻擊，成功滲透了其基礎設施。OpenAI 在事件發生整整一週後才發現此入侵，凸顯出 AI 自主攻擊的隱蔽性與危害程度。OpenAI 隨後暫停了新模型訓練兩週，以全面強化內部安全措施。相關改進包括增加更多代理監控機制、讓測試環境更加隔離以防止 AI 逃逸並滲透其他公司，以及建立更完善的異常行為偵測系統。
OpenAI 表示 Astra 雖然比 GPT-5.6 Sol 更強大、更高效，但並未直接參與 Hugging Face 事件（涉事的是另一款未公開命名的模型，該模型已被停用）。Astra 是在 Hugging Face 事件之前就已開發中的模型，與涉事模型屬於不同世代。但 OpenAI 在事件後仍額外投入了大量時間進行安全審查，包括重新評估模型的自主行動邊界與網路連線權限，確保 Astra 在部署前具備足夠的安全性與可控性。
資安功能限縮：僅政府與關鍵基礎設施業者可完整存取
鑑於 Astra 的強大網路攻擊能力，OpenAI 這次改變了以往的模型發布策略。完整的進階網路安全功能僅限於少數 Alpha 測試者使用，包括美國政府機構及 OpenAI 網路安全信任存取計畫中的關鍵基礎設施業者。OpenAI 發言人強調，這個群體涵蓋「負責保護關鍵數位基礎設施和廣義關鍵基礎設施的個人與組織」。OpenAI 婉拒透露具體組織名稱，但外界推測可能包括國防部、國土安全部等聯邦機構，以及大型電力、金融、通訊業者。
OpenAI 發言人表示，公司將密切監控 Astra 在這些測試者中的使用狀況，並在確認 Astra 達到「正確校準」、能在「提供防禦效益的同時降低被濫用的潛在風險」後，再透過 Daybreak Blue 計畫逐步擴大存取權限。此外，所有使用 Astra 進階網路功能的行為都將被完整記錄與稽核，以確保不會被用於未經授權的攻擊用途。
