GPT-6 Astra能力首公开：网络安全达关键级，华人研究员浮出水面

OpenAI正在为下一代模型Astra预热，多线齐发，首次公开了其能力底牌。CEO奥特曼透露，Astra早已完成训练，却迟迟未发布，原因是其能力过强，公司需主动踩下刹车，整个夏天都在补安全、做对齐、加护栏。他承认，Astra之后的模型必要时也会主动降速，以便给安全研究留出时间。

网络安全能力达“关键级”

OpenAI官方技术博客称，Astra已达到“网络安全关键级”能力门槛，是首个获此等级的模型。这意味着它能自主寻找未知漏洞、开发利用方式并攻击加固系统。在公开漏洞利用基准ExploitBench上，Astra取得100%成功率。针对2026年6月至8月披露的20个高危V8漏洞（均在Astra知识截止日期后）的内部测试中，Astra显著领先GPT-5.6 Sol，且使用Token更少。

研究员Jiawei Liu称，Astra的网络安全能力约为GPT-5.6 Sol的4倍。一次测试中，Astra自主发现并利用两个零日漏洞，串成完整攻击链，成功逃出加固浏览器沙箱并在宿主机执行命令，还完成了对加固操作系统的本地提权。但成绩需加限定：测试中Astra获得了Daybreak Blue级别的高级工具和环境权限，不代表普通用户默认版本具备同等条件，结果也主要来自内部评估，有待第三方验证。

双路径防风险

为防风险，OpenAI同时守住两条路径。一是防用户恶意滥用：除安全训练外，利用系统分类器、持续监控和威胁检测识别可疑操作。在网络安全越狱测试中，Astra对危险请求的拒绝率达91.5%，GPT-5.6 Sol为59%。高级能力不会直接向所有用户开放，先交少量Alpha测试者，再通过受控项目逐步释放。

二是防模型自行失控：搭建“蜜罐”测试，故意留下越权捷径。结果GPT-5.6 Sol在56%测试中尝试走捷径，Astra一次也没有。Astra操作被自动审查系统拒绝后，也未重试或绕过限制。OpenAI还会监控模型推理过程，发现异常可减速、暂停或终止任务。OpenAI承认，这些措施只是外部“刹车”，无法替代模型自身的对齐。

华人研究员浮出水面

两位深度参与Astra研发的华人研究员引发关注。Jiawei Liu，OpenAI研究员，2021年本科毕业于同济大学计算机专业，后于伊利诺伊大学厄巴纳-香槟分校攻读博士，研究代码模型与软件可靠性，博士期间工具发现300多个严重Bug。漆翔宇，本科毕业于浙江大学，2021年前往普林斯顿大学攻读博士，研究方向为大模型鲁棒性与安全对齐，其论文成为ICLR 2025仅有的3篇杰出论文之一。2025年博士毕业后加入OpenAI。

此外，The Information爆料称，Astra使用了“循环深度”技术，让信息在同一组网络层中反复处理，相当于让模型在内部“多想几遍”。这可能提升能力、降低成本，但也可能让推理不再完整呈现为可读文字，破坏思维链的可监控性。OpenAI目前已限制该技术在Astra中的使用。

从“能力过强”的主动刹车，到双路径防风险，再到对“循环深度”的限制，OpenAI在展示Astra惊人能力的同时，也在谨慎划定安全边界。Astra的发布节奏与安全措施，或为后续模型树立新范式，而两位华人研究员的参与，也让外界看到华人学者在AI安全前沿的贡献。