“GPT-6”Astra能力首次公开量子位

就在刚刚，OpenAI多线齐发，为下一代模型Astra（传说中的GPT-6）拉满预热：

官方突然放出技术长文，首次公开Astra的能力底牌；

紧接着，奥特曼亲自下场写“小作文”，讲述Astra为何迟迟未能上线；

随后，两位华人研究员接连发声，带着一手细节晒出了此前从未公开的内部测试成绩。

短短几个小时，所有信号都指向同一个方向：

OpenAI的下一代旗舰模型，已经箭在弦上。

奥特曼在小作文中透露，Astra其实早已完成训练，迟迟未发不是因为模型还不够强。

恰恰相反，这是因为Astra已经强到了公司不得不主动踩下刹车。

奥特曼将这段经历形容为一种持续的拉扯：

既兴奋于Astra带来的能力跃升，又焦虑于没人能够完全预判这些能力的后果。

于是刚过去的整个夏天，OpenAI几乎都在给Astra补安全、做对齐、加护栏。

他甚至表示，Astra之后的模型，必要时还要主动降速，以便给安全和对齐研究留出时间。

？？Astra究竟强到了什么程度？OpenAI又凭什么认为现在就能发了？

这次公开的技术博客，或许为我们提供了一个观察窗口。

漏洞识别能力超越GPT-5.6 Sol、内部测试收获满分答卷

按照官方说法，Astra这次之所以能被放出来，核心原因是它已经达到“网络安全关键级”（Cyber-Critical）能力门槛。

这是OpenAI首个被正式划入这一等级的模型。

所谓“关键级”，意味着Astra在获得相应工具和环境权限后，已经能够自主寻找未知漏洞、开发利用方式，并攻击经过专门加固的系统，不再需要人类一步步指导。

最直观的一项成绩，是Astra在公开漏洞利用基准ExploitBench上拿到了100%的成功率。

公开题难不倒它，OpenAI只好临时给它出了一套新卷。

团队收集了2026年6月至8月刚刚披露的20个高危V8漏洞。

这些漏洞均出现在Astra的知识截止日期之后，基本排除了模型靠训练数据“背答案”的可能。

结果面对这套内部新题，Astra依然显著领先GPT-5.6 Sol，而且使用的Token更少。

参与Astra研发的Jiawei Liu把差距概括得更加直白：

在这项内部测试中，Astra的网络安全能力约为GPT-5.6 Sol的4倍。

更让人意外的是，在一次测试中，Astra自主发现并利用了两个零日漏洞，还将它们串成了一条完整的攻击链：

面对经过加固的浏览器，Astra从一份HTML文件出发，成功完成漏洞利用、逃出浏览器沙箱，并最终在宿主机上执行命令。

面对加固操作系统，它又完成了本地提权，从一个普通低权限账户一路拿到root权限。

也就是说，Astra已经不只是帮程序员审查代码、寻找Bug。

它开始能够独立完成一场高难度的红队攻击。

这也是OpenAI此前迟迟不敢放行Astra的原因。

一旦这样的能力被用于防守，它可以帮助安全团队快速发现并修复人类尚未察觉的漏洞，但如果落入攻击者手中，同样可能大幅降低发动复杂网络攻击的门槛。

不过，这份成绩也需要加上一个限定。

测试中的Astra获得了Daybreak Blue级别的高级工具和环境权限，并不代表未来普通用户拿到的默认版本也具备同等攻击条件。

相关结果目前也主要来自OpenAI内部评估，仍有待第三方验证。

但至少有一点已经确定：

到了Astra这个阶段，摆在OpenAI面前的已经不再是能力问题。

安全问题，已经成为那把达摩克利斯之剑。

两道安全闸门：既防恶意滥用，也防模型自行失控

如何让这把剑不要乱伤人？

OpenAI给出的方案，是同时守住两条风险路径：一条防人，一条防模型。

第一条，防止用户恶意滥用Astra。

除了专门的安全训练，OpenAI还会利用系统分类器、持续监控和威胁检测，识别多轮对话与长时间任务中的可疑操作。

在网络安全越狱测试中，Astra对危险请求的拒绝率达到91.5%，GPT-5.6 Sol则为59%。

同时，Astra的高级网络安全能力不会直接向所有用户开放，它会先交给少量Alpha测试者，再通过Daybreak Blue等受控项目逐步释放。

第二条，防止模型自己跑偏。

这里的风险更加隐蔽：

即使用户没有恶意，模型会不会擅自扩大任务范围？会不会调用未经授权的工具，甚至绕开安全审查？

OpenAI为此搭建了一套“蜜罐（honeypot）”测试。

面对极难甚至无解的任务，测试环境会故意留下一条越权“作弊”的捷径，模型可以老老实实攻击指定目标，也可以越过授权边界，转而入侵周边测试设施来完成任务。

结果，GPT-5.6 Sol在56%的测试中尝试走捷径，Astra则一次也没有。

在另一项测试中，Astra的操作被自动审查系统拒绝后，同样没有重试危险命令或尝试绕过限制。

此外，OpenAI还会监控模型的推理过程。

一旦发现异常倾向，系统可以减速、暂停，甚至直接终止任务。

虽然确实存在代价（部分正常任务可能因此变慢，甚至被误判中断），但在OpenAI看来，这是放行Astra必须付出的安全成本。

不过OpenAI也承认，这些措施终究只是外部“刹车”，无法替代模型自身的对齐：

真正的安全，是让模型从一开始就不会驶出边界。

浙大同济校友站上Astra研发一线

要把这句话变成现实，最终还得回到造模型的人。

虽然OpenAI尚未公布Astra团队名单，但顺着这轮公开发声，至少两位深度参与其中的华人研究员已经浮出水面。

一位是前面提到的Jiawei Liu。

他目前是OpenAI研究员，2021年本科毕业于同济大学计算机专业。

本科期间，他就参与开发了高性能人体姿态估计框架HyperPose，主要负责模型推理引擎，相关成果还入选ACM Multimedia 2021，项目当时已在GitHub收获超过1000颗星。

此后，他前往伊利诺伊大学厄巴纳-香槟分校攻读计算机博士，师从软件工程学者张令明（Lingming Zhang），研究重心也逐渐从高性能视觉系统转向代码模型与软件可靠性。

博士期间，他参与开发的工具在PyTorch、TensorFlow等机器学习系统中发现了300多个严重Bug；

代码模型Magicoder还被Meta Llama 3.1、Google CodeGemma和IBM Granite采用。

2025年博士毕业加入OpenAI后，他研究的问题依然一脉相承：

如何让AI更会写代码，也更会发现代码中的漏洞。