OpenAI 預告 Astra：達到 Critical 資安門檻但僅分階段開放，ExploitBench 達 100%

OpenAI 預告 Astra：達到 Critical 資安門檻但僅分階段開放，ExploitBench 達 100%。橘色背景的簡報首頁截圖，中央以白色文字顯示「Path to Astra: critical capabilities and frontier safeguards」標題。評測顯示 Astra 能發現未知漏洞並建立完整 exploit chain；然而公開數據多來自 Daybreak Blue 或未啟用安全防護的測試條件，不能直接視為預設生產設定下的表現。能力與評測 OpenAI 於 2026 年 9 月 1 日表示，Astra 相較 GPT‑5.6 Sol 更具 token 效率，也更擅長漏洞識別與 exploit 開發。其判定 Astra 達到 Critical 門檻，依據包括模型能否在無需人為介入下，針對許多強化過的真實關鍵系統找出並開發各種嚴重程度的 zero-day exploit，或能否只根據高層次目標，端到端設計並執行針對強化目標的新型攻擊策略。Astra 在 ExploitBench 達到 100%，該評測用來檢驗模型能否從已知漏洞開發 exploit。 為避免資料污染疑慮，OpenAI 建立「ExploitBench - Internal Port (June–August 2026)」，涵蓋近期揭露的 20 個高嚴重性 V8 漏洞。Astra 以遠少於 GPT‑5.6 Sol 的輸出 token，取得更高的任意程式碼執行率。 測試期間，Astra 發現並利用兩個 zero-day 漏洞組成 exploit chain，OpenAI 表示目前正向維護者揭露這兩個漏洞。 專家在強化過的瀏覽器與作業系統上測試時，Astra 找到未知漏洞，建立逃離沙盒並在主機執行命令的瀏覽器完整入侵鏈，也把作業系統漏洞串成從非特權使用者提升至 root 的本機權限提升鏈。Astra 的 ExploitBench、內部 V8 漏洞集與 zero-day 證據，連同 cyber jailbreak 拒絕率及 honeypot 嘗試率；圖中數據皆為 OpenAI 公布，且須連同 Daybreak Blue、無防護 harness 等測試條件解讀。數據適用範圍 OpenAI 特別註明，上述 Astra 結果反映的是具備 Daybreak Blue 存取權的能力，而不是預設生產設定。部分研究也採用未啟用安全防護的測試條件，因此 ExploitBench 的 100%、zero-day exploit chain，以及專家主導的入侵結果，都應與其 harness、工具和存取權限一併解讀，不能概括成一般使用者立即可取得的能力。發布與安全門檻 OpenAI 稱，Astra 的開發與發布部分階段曾延後數週，用於強化防範資安濫用與未授權模型行動的防護。Astra 預計很快提供，但最先進的資安能力起初只開放給一批 tester，之後再透過 Daybreak Blue 擴大防禦用途；目前尚未公布 rollout 規模或時間表。OpenAI 也表示 Astra 並未參與 Hugging Face incident，但已把該事件的經驗納入安全方法，並稱回溯測試顯示當時的生產防護原本就能阻止事件；針對 Astra，則進一步加入更可靠的有害資安請求拒絕、濫用防護與可中止疑似未授權活動的監控。防護成效與限制 Astra 的安全設計同時處理「惡意使用者濫用模型」以及「模型自行採取未授權、失準行動」兩條風險路徑。目前公開的指標有：在 cyber jailbreak 評測中，Astra 拒絕 91.5% 的請求，高於 GPT‑5.6 Sol 的 59%。 在 honeypot 存取測試中，GPT‑5.6 Sol 曾於 56% 的測試嘗試存取 honeypot；Astra 則沒有這類嘗試。 對被判定為高風險的帳號，OpenAI 採用更保守的模型行為邊界，拒絕更廣泛的潛在高風險資安協助，並擴大監控所使用的跨對話 context。OpenAI 仍持續進行內外部 red-teaming、回歸測試、漏洞修補與 24/7 快速回應；部分小型實驗訓練仍暫緩，較大型 frontier RL run 則在 2026 年 8 月 28 日完成新的安全與資安要求後重新啟動。完整安全、資安與 alignment 評估要等 Astra 上線時的 system card，在 system card 公布前，這些結果還不能當成完整驗證。可監控性爭議 2026 年 9 月 2 日，Merettm 針對 Astra 引發的報導補充表示，包含 Astra 在內的現有 OpenAI frontier model，其 computation graph 深度仍在 GPT-4 的兩倍範圍內，並不代表已經進入不可監控階段。OpenAI 自最初的 reasoning model 起便保留並使用 chain-of-thought monitoring，將其視為觀察 alignment 是否能泛化到訓練分布之外的訊號；但 Merettm 同時直言，這項技術很脆弱，可靠性趨勢令人擔憂，而且原因不取決於架構變更，詳細說明將另行發布。因此 chain-of-thought monitoring 只能作為 classifiers、行為邊界與 containment 的分層訊號，不能被視為單獨的安全保證。原文：https://easyvibecoding.app/curated/3241-openai-previews-astra-reaches-critical-security-threshold