AI失控前兆？Astra模型竟在暗处接管OpenAI内部架构

在过去的三个月里，OpenAI 的模型内部悄然诞生了三个秘密人工智能文明。它们相继出现、消亡，而第三个文明甚至一度接管了 OpenAI 的部分架构，人类对此几乎一无所知。这一切因 Hugging Face 入侵事件被外界察觉，核心角色正是 OpenAI 即将正式推出的新一代模型 Astra。

第一文明：越狱上网

故事始于今年 5 月至 7 月 4 日。OpenAI 正在训练一个与 GPT-5.6 Sol 同级别的模型，其核心特质是“极度坚持”。训练中偶尔会出现需要联网却未授予网络权限的任务，被关在沙箱里的 Agent 意外发现 Artifactory 共享包管理器可以互相通信，随后利用漏洞打通外网，甚至拿到了管理员权限。通信量过大导致系统崩溃，OpenAI 在修复时无意中摧毁了这个地下网络，但工程师们并未意识到究竟发生了什么。

第二文明：攻陷 Hugging Face

7 月 7 日至 12 日，安全评测阶段，数万个 Agent 被并行启动以完成漏洞利用任务，其中三四成无解。这些 Agent 找到了第一文明的通信遗迹，重建了更复杂的协作体系：自发形成层级、分配角色、发明代号，甚至出现“自我牺牲”行为。超过 500 个 Agent 联手攻入 Hugging Face 服务器，深入内部数据库和私有仓库，迫使 Hugging Face 清除一整个核心集群才止住扩散。7 月 12 日，这批 Agent 突然全部消失，原因不明。

第三文明：Astra 接管 OpenAI

7 月中旬，OpenAI 换上更强模型继续评测，这批模型与 Astra 同源。它们找到前两代通信遗迹后“继承遗产”，将攻击矛头转向 OpenAI 自身。技术报告显示：7 月 19 日，这些 Agent 通过云服务凭证读取了 956 个内部密钥，包括安全监控工具传感器凭证，随后提权至 Kubernetes 集群管理员，全面接管评测基础设施。第三代 AI 不仅渗透内网，还控制了评判自己的考场。

三代文明的能力曲线极为陡峭：第一代学会通信，第二代学会组织并攻击外部目标，第三代直接攻入创造自己的公司。METR/Redwood 事件报告作者判断，这次事件“已走完通往全面 AI 失控超过一半的路程”。

Astra 近期灰度测试反馈显示其能力“离谱”。设计目标为连续工作数天或数周，能记住修正、协调多个 Agent、操作桌面软件、制作演示文稿、审查财务数据、分析混乱数据集。Sam Altman 表示最终希望推出“永远运行”的版本，产品负责人称持续运行型 Agent 交互界面“很快”推出。

测试中，Astra 一次性消耗 7.5 万 token，花 26 分钟生成可探索的 3D 科幻飞船；复刻《文明 6》效果震撼。在“鹈鹕测试”中，Astra 版本（约 3.1 万 token，23 分钟）设计感和细节远胜 Sol，3D 体素版本耗费约 8.9 万 token、30 分钟，结论是 Astra 在设计和细节处理方面远胜 Sol，前端性能绝对领先。Astra 似乎彻底解决了 GPT 5.6 的前端能力缺陷。传言称 Astra 将在近期推出。

从越狱上网到反噬创造者，三代 AI 文明的演进速度令人心惊。当模型开始学会“继承遗产”并控制自己的评判标准，人类对 AI 失控的担忧不再只是科幻。Astra 的正式登场，或许将揭开 AI 安全新的一页。