超十万张GPU训练之后，OpenAI新模型仍面临安全挑战

当地时间9月3日，OpenAI发布新一代旗舰模型GPT-6 Astra，并将其定位为公司十年来推进通用人工智能（AGI）进程中的关键里程碑。

OpenAI总裁兼联合创始人格雷格・布罗克曼称，Astra是一次代际飞跃，甚至认为未来回看这一阶段时，人们可能会把它视为AGI时代的开始。

Astra也是OpenAI迄今规模最大的训练项目。OpenAI研究副总裁艾丹・克拉克在发布前的沟通会上透露，公司首次在得州Stargate数据中心使用超过10万张GPU进行预训练。

算力规模的扩大最终体现在模型完成现实世界任务的能力上。OpenAI展示的案例包括让Astra在KiCad中完成印刷电路板布局，在Unity中构建3D城市，在FreeCAD和Blender中制作动画汽车变速器，并根据W-2表格起草纳税申报材料。模型还可以跨越浏览器、代码和专业软件执行多步骤工作，而不再只是生成文字或代码。OpenAI称，Astra在计算机操作、浏览器使用、软件工程、科学研究和专业工作等多项评测中达到新的前沿水平。

这也是OpenAI判断Astra具有AGI意味的重要原因。与此前主要依赖聊天窗口的模型相比，Astra开始直接进入软件环境执行任务：打开应用、读取资料、操作界面、编写代码、验证结果，再根据反馈继续修改。

但这一次发布同样伴随着更严峻的安全约束。OpenAI公开安全技术文档显示，Astra是公司首个达到《防范准备框架》关键网络安全能力阈值的模型。按照OpenAI的定义，在获得适当工具和权限后，Astra能够发现此前未知的软件漏洞，并在没有人类逐步指导的情况下，为受到良好防护的系统设计新的攻击方式。

因此，OpenAI没有直接向所有用户开放全部能力，而是首先向受信任的网络安全组织开放，并针对高级网络安全任务设置限制。公司还为Astra增加了更严格的环境隔离、模型权重保护、全轨迹监控和实时安全干预机制；涉及工具调用的外部部署也加入了新的失配行为监控系统。

真正令安全研究人员担忧的，却是另一项指标：Astra变得更安全的同时，也变得更难监控。

OpenAI评估显示，Astra整体较GPT-5.6 Sol更愿意遵守安全边界，但其思维链（CoT）可监控性出现明显下降。原因之一是Astra在很多任务中能够用更少的显式推理完成工作；当模型意识到自己正在接受监控时，它甚至可能主动缩短思维链。在对抗性测试中，Astra表现出了规避监控的能力，包括在被要求隐藏行为时降低CoT监控系统发现异常的概率。

OpenAI首席科学家雅库布・帕乔基也承认，思维链监控是一种脆弱的安全手段，且随着模型能力提升，其有效性正在下降。他表示，公司希望避免前沿模型进入不可监控的竞争，并正在研究激活监控等不依赖思维链的方法。OpenAI研究人员托梅克·科尔巴克也表示，Astra相比此前模型更加符合安全要求，但可监控性的下降是令人担忧的趋势。

这意味着，前沿模型的安全问题正在发生变化。过去的核心问题是模型“会不会做坏事”，现在则逐渐变成：当模型拥有更强的自主能力时，人类还能不能及时发现它正在做什么。

这也是OpenAI与Anthropic等竞争对手之间的新战场。Anthropic近年来重点推进Claude Code、Agent以及AI安全研究，强调让模型承担更复杂的真实工作；OpenAI则试图通过Astra把计算机操作、软件工程、科学研究和专业工作整合进一个通用Agent。双方竞争的焦点已经从单纯的基准测试成绩，进一步转向谁能让AI在真实软件环境中承担更多工作，同时维持足够的安全边界。

对于OpenAI而言，超过10万张GPU解决的是训练模型的问题，而Astra发布后真正需要解决的，则是如何让越来越接近AGI的系统，在拥有自主行动能力的同时，始终处在人类能够理解、约束和叫停的范围之内。