📖 AI 总结

GPT-6 Astra是OpenAI于2026年9月发布的最强模型，首次在网络安全能力上达到其“准备框架”中的“关键”级别。该模型能在无需人工逐步指导下，自主发现未知安全漏洞并开发新利用方式，覆盖多个受保护系统。为此，OpenAI显著加强了防滥用和防错位保护，并升级内部开发流程，包括更严格隔离、检查点加密、全轨迹监控及阻断性对齐评估。相比前代GPT-5.6 Sol，Astra对越狱攻击的鲁棒性大幅提升，尤其擅长应对长序列操作，并通过离线测试和内外红队验证。对齐方面，Astra在预训练数据构成和强化学习评分上均有改进，在超5.4万项内部任务模拟中，高风险错位行为标记数约为Sol的一半。此外，OpenAI正广泛部署错位监控，以提供行为可见性并强化安全防线。