🚨 OpenAI首度示警：新模型Astra「無法排除」具備頂級資安攻擊力

⚡ 一句話講清楚

OpenAI下一代模型「Astra」在最近幾天的測試中，資安相關能力大幅進步，好到工程師和外部專家都沒辦法排除它已經達到自家安全規範裡最高的「危急（Critical）」等級。這件事之所以值得注意，是因為OpenAI內部有一套叫做整備框架（Preparedness Framework）OpenAI用來評估自家AI模型有沒有高風險能力的內部安全分級制度，涵蓋生醫、化學、資安攻擊、AI自我增強四大類，等級越高代表模型上線前要被關得越緊的分級表，過去包括GPT-5.6-Sol在內的所有模型都只被評到「高（High）」，這是第一次有模型逼近、甚至可能達到最頂層的等級。

依照OpenAI自己的定義，要達到「Critical」等級，AI必須能在幾乎沒有人類插手的情況下，自己找出並寫出真正能用的zero-day漏洞軟體或系統裡還沒被任何人發現、也還沒有修補方法的安全漏洞，攻擊者搶先利用的話，防守方通常來不及反應，或是拿到一個很籠統的攻擊目標，就能自己想出一整套從頭到尾的攻擊策略並動手執行。這之所以讓人在意，是因為Astra展現出的是代理式寫程式（agentic coding）AI不只是幫你寫一段程式碼讓你複製貼上，而是自己規劃步驟、自己下指令執行、自己看錯誤訊息除錯，像一個真的會動手做事的技術人員的能力大躍進——攻擊行動可以不需要人在旁邊盯著，速度和規模都會跟過去完全不同量級。

OpenAI選擇在還沒完全確認結果之前就公開說明，理由是對大眾和資安社群保持透明比較重要。他們同時踩了煞車：把Astra的測試環境隔離、限制它連網和呼叫工具的權限、加密保護模型參數，並且在訓練和評估的每個階段都加裝監控，去看Astra的思考鏈（Chain of Thought）AI在給出最終答案之前，內部一步一步推理的過程記錄，工程師可以攤開這段過程去判斷AI是不是打算做危險的事，一旦偵測到高風險行為就會觸發警報並中斷。文章特別澄清Astra跟不久前的Hugging Face遭入侵事件無關——這次是先示警、防患未然，不是出事後補救。