OpenAI：新模型 Astra「無法排除」達到網路攻擊最高風險等級，部分內部作業先暫停

一句話看懂：OpenAI 公開表示，還沒發表的新模型 Astra 在內部評測中強到「無法排除」達到自家網路安全風險的最高等級，因此先加強隔離、暫停部分內部作業。

先用白話講：這是在說什麼？

想像一家汽車廠在測試新車的極速，測著測著發現，這台車的性能已經超出舊的安全規範，不確定現有的護欄擋不擋得住。廠商沒有等到上市才說，而是先公開承認「我們還不能排除風險」，並且立刻把測試場地封起來、加派監控。

這次 OpenAI 做的就是類似的事，只是主角換成了 AI 模型，風險換成了網路攻擊能力：模型如果強到能自己找出並寫出攻擊程式，既可以幫防守方補洞，也可能被拿去攻擊。

發生什麼事

OpenAI 在 8 月 7 日發表文章，重點如下：

• 他們內部對一個即將推出的模型 Astra 做了幾天的評測，結果顯示它在「自主寫程式」與「網路安全」上有明顯進步
• 加上專家評估，OpenAI 在文章發表的前一晚得出結論：無法排除它達到 Preparedness Framework（準備度框架，OpenAI 自訂的風險評估規則）中的「Critical（關鍵）」網路能力等級
• 先前的模型（包含 GPT-5.6 Sol）被評為「High（高）」，還沒到 Critical
• 文中強調這是初步評估，他們還在持續測試

「Critical」是什麼等級？

依 OpenAI 在文中的定義，達到 Critical 的模型，符合下列其中一項：

OpenAI 採取的措施

依官方文章，內部已經做的事：

• 加強高能力模型的安全控管：隔離的測試環境、限制網路與工具權限、加強模型權重的保護與加密、增加監控偵測、沙箱化執行
• 暫停尚未符合新控管要求的 Astra 相關內部作業
• 對 Astra 的所有代理式應用（包含訓練與評測）全面監控高風險行為與目標偏離；監控器會檢查模型的思考鏈，必要時觸發資安應變並中斷
• 與相關政府機關及部分 AI 安全組織合作測試，並提供建議的安全控管給第三方測試夥伴

文章也提到「Astra 沒有參與入侵 Hugging Face 那件事」，但沒有說明那起事件的細節，這裡就不推測。

更多細節

• 這篇不是發表新模型，也沒有提供 Astra 的發表日期、價格或規格；官方只稱它是 upcoming model
• 「無法排除」的意思是沒有證據證明沒有，並不等於「已確認達到」。OpenAI 自己也說還在評估
• Preparedness Framework 是 OpenAI 在 2023 年 12 月首次公開的規則，用來判斷能力進展與該採取的對策

我的看法

我覺得最值得注意的，不是「AI 變強了」，而是「公司在上市之前就主動公開、並且先踩煞車」。這類文章只能照字面讀：OpenAI 說了他們做了什麼、沒做什麼，外界很難獨立驗證評測內容。

對一般開發者與接案者來說，短期不會有直接影響，因為 Astra 還沒上市。比較實際的提醒是：AI 找洞的速度會越來越快，攻擊方與防守方都會變快。自己維護的網站與系統，更新要更勤、對外開放的服務要更少、金鑰要定期換。這些老生常談，在這種趨勢下，只會越來越重要。

名詞小辭典

• Preparedness Framework（準備度框架）：OpenAI 自訂的風險評估規則，依能力把風險分成 High、Critical 等等級，決定該做什麼防護。
• 零時差攻擊（Zero-day）：利用還沒有修補程式的漏洞進行的攻擊。
• 思考鏈（Chain of Thought）：模型回答前產生的中間推理過程，OpenAI 用它來監控模型有沒有想做危險的事。
• 沙箱（Sandbox）：隔離的執行環境，裡面出事不會影響外面。

資料來源

• OpenAI：Responding to the next frontier of critical cyber capabilities（2026-08-07）