🚨 OpenAI：下一代模型 Astra 寫程式與駭客能力，首次逼近「危急」紅線

⚡ 一句話講清楚

「Astra」是 OpenAI 正在測試、還沒對外開放的下一代模型代號。OpenAI 有一套叫做 Preparedness Framework（準備框架）OpenAI 內部用來替 AI 模型的「危險能力」打分數的規範，把資安、生物、化學、AI 自我改良等風險分成低、中、高、危急四個等級 的評估標準，專門盯著模型的能力有沒有踩到危險的紅線。過去像 GPT-5.6-Sol 這類模型，在資安這一項被評為「高」等級；但 Astra 這次的內部測試結果，讓 OpenAI 自己都說「無法排除已經到達危急等級」——這是準備框架公布以來，第一次有模型逼近這條線。

所謂「危急」等級，具體是指這個模型能不能在沒有人類插手的情況下，自己在真實、有防護的系統裡找到並且做出可以用的 zero-day exploit（零日漏洞攻擊）軟體廠商自己都還不知道、還沒修補的安全漏洞，一旦被拿來寫成可執行的攻擊程式，防守方幾乎來不及反應，或是只給它一個攻擊目標的大方向，它就能自己設計並執行完整的駭客攻擊策略。會讓 OpenAI 這麼緊張的，是 Astra 在 agentic coding（代理式寫程式）AI 不只是幫你補幾行程式碼，而是能自己規劃步驟、寫程式、執行、看結果再修正，像一個真的會動手做完整任務的工程師 上的進步——這正是「會寫程式的 AI」與「會找漏洞入侵的 AI」之間，只差一線的地方。

面對這個情況，OpenAI 並沒有停下 Astra 的開發，而是先把安全網加厚：把還沒達到新安全標準的內部研究計畫先暫停、把 Astra 限制在隔離的 sandboxed execution（沙盒環境）把 AI 關進一個受限、隔離的虛擬空間裡執行任務，就算它做了危險的事，也碰不到外面真正的系統跟資料 裡執行任務、加強對模型權重的加密保護，還加了一層新的監控——直接盯著模型的 Chain of Thought（思維鏈）AI 回答問題前，在內部一步一步「想」的推理過程；監控它就像是看得到 AI 打的草稿，而不是只看到最終答案，一旦偵測到高風險行為就即時中斷。