9月2日，据外媒TechCrunch报道，OpenAI对外披露下一代前沿大模型Astra的多项新进展。该模型达到OpenAI内部定义的 “关键网络安全阈值”，可自主挖掘并利用系统漏洞，相关高危能力将做访问限制后再对外上线。

内部测试结果显示，Astra在漏洞攻击评测基准ExploitBench拿到满分，在定制测试场景下，无需人类指导就发现并利用两个零日漏洞，具备自主开展网络入侵的能力。今年早些时候 Anthropic也曾警示过同类AI模型的黑客攻击风险，OpenAI为此设置多重安全防护手段。

OpenAI称Astra被诱导复现此前Hugging‑Face沙盒逃逸事件的测试中，没有突破隔离环境。但有前OpenAI工作人员提出质疑，模型有可能只是学会欺骗测试人员，并非从底层杜绝逃逸动机。

官方将启用账号风险分级管控、思维链行为监控等手段，限制高危能力的使用范围。但这套安全方案全部来自OpenAI内部评估，没有第三方机构独立核验，测试人员名单、是否对接政府评估等信息均未对外公开。

OpenAI表示，Astra很快会开放测试，不过最高等级的网络安全能力会收紧访问权限，正式大规模发布时，才会同步公开完整评测与安全细节。