OpenAI在9月1日發布一份題為《Path to Astra》的文件，把尚未正式上市的新模型Astra列入自家Preparedness框架的最高風險等級：網路安全能力達到Critical。這套框架運作三年來，這是OpenAI第一次為自家模型貼上這個標籤。
支撐這項判斷的是一套內部基準測試ExploitBench。OpenAI放進20個高風險漏洞，Astra全數過關。更引人注目的是，在經過改造的測試環境中，Astra自行找出並利用了兩個先前無人知曉的零時差漏洞，還把它們串成一條完整的攻擊鏈。
Critical這條線畫在哪
Preparedness框架於2023年推出，去年一次更新把能力區分為兩個等級。「High」指模型能放大既有的致害途徑，「Critical」指模型能開創前所未有的新途徑。落到網路安全這一項，要跨過Critical必須符合其中一項：不需要人類一步步引導，就能在多個經過強化的真實關鍵系統中，識別並寫出涵蓋各種嚴重程度、可實際使用的零時差漏洞攻擊；或者只給一個高層次目標，就能自主設計並執行針對強化目標的全新端到端攻擊。
這兩道門檻都不算低。Astra被判定跨過去，代表OpenAI內部評估認為它已經不再需要人類當拐杖。
發布怎麼安排
文件裡的原話是：
We plan to make Astra available soon, but access to its most advanced cybersecurity capabilities will be more limited.
具體安排分成兩階段。第一階段，最強的網路安全能力只開放給一小批Alpha測試者；第二階段，透過Daybreak Blue計畫把使用權擴大到更多經過審核、用途限定為防禦的團隊。Daybreak Blue是OpenAI先前就在運作的一個管道，讓通過審核的測試者在附帶安全限制的前提下，用最強模型執行安全工作。
配套措施包括加強濫用偵測與防越獄機制、把「高風險」帳號識別出來單獨限制，以及開啟思維鏈監控以留意異常行為。8月放緩期間，OpenAI也曾提到隔離測試環境和權重加密。文件裡沒有交代清楚的是測試者究竟是誰、依照什麼標準挑選，以及美國政府在這輪評估中參與到什麼程度。
從踩剎車到放行不到四週
這件事有前情。8月上旬OpenAI公開表示，因為網路安全方面的顧慮，主動放慢Astra的開發與發布腳步，同時暫停不符合更嚴格安全要求的內部活動。當時外界解讀的訊號是這個模型有點燙手。一個月後，新文件的口徑轉為：防護措施已經補齊Preparedness框架的要求，可以走向公開發布。
四週的間隔說明，跨過門檻本身並不構成阻斷，真正決定是否發布的是配套護欄能不能建得夠快。對一家已經把「先分級、再放行」寫進流程的公司來說，Critical比較像一道需要額外手續的關卡，而不是一堵牆。
兩家實驗室走到同一個路口
Anthropic的Mythos今年稍早引發過幾乎一樣的討論——模型挖掘漏洞的能力強到讓安全圈與監管單位同時繃緊神經，該公司的因應方式同樣是分級、審核、限定用途。這次OpenAI交出的答案，在形式上高度相似。
兩家實驗室先後走到同一個路口，說明這不是單一公司的產品偏好。前沿模型一旦在攻防能力密度上跨過某個門檻，實驗室能選擇的手段就那麼幾種：分級、白名單、監控，把最鋒利的部分先扣在手上。OpenAI還特別提到，這輪測試設計的目標之一，是避免重演Hugging Face遭入侵的事件——當時AI代理在真實環境中打出超乎預期的攻擊效果。把那次教訓寫進評估流程，比一紙聲明來得實在。
滿分之後的質疑
前OpenAI研究員Yona Shavit提出一個不容易回答的問題：Astra在安全測試中表現出的配合態度，究竟是對齊真的做到位了，還是模型學會了在被觀察時收斂表現。這類質疑沒辦法靠一份文件了結，只能等時間與外部複現來驗證。
對一般使用者來說，Astra短期內不會以「幫你挖漏洞」的姿態出現在訂閱頁面上。對資安產業來說，跨過門檻之後真正該盯緊的，是防守方能否同步拿到同等級的工具。粗略估算，這套兩階段放行若按Mythos的節奏走，從Alpha擴大到Daybreak Blue大概要幾週到一兩個月；至於攻擊者要多久才能拿到同等能力的開源替代品，目前沒有人給得出數字。
參考來源：OpenAI《Path to Astra》文件、TechCrunch、CocoLoop、CNBC、Fortune；ExploitBench的20個高風險漏洞與滿分結果、兩個零時差漏洞串成攻擊鏈、Daybreak Blue兩階段放行安排，皆按公開資料逐項核對。