摘要
OpenAI 发布《Path to Astra: critical capabilities and frontier safeguards》，宣布 Astra 将是其在 Preparedness Framework 下首个达到 Critical 网络安全能力阈值的模型，并给出发布所需的更强护栏细则。框架吸收了 Hugging Face 事件（ev-20260818-04）的教训，覆盖攻击者驱动与失效驱动两类威胁建模、agentic 模型接触关键系统的风险映射，以及随时间跟踪 cyber 能力的行动阈值。
为什么重要
这是前沿实验室第一次公开把模型推到自家 Critical 层级，同时说清运营上会改变什么：监控义务、沙箱深度、前沿 cyber 部署的披露责任。对安全与平台团队，这是高能力 agent 未来合规面的早期模板，也是迄今最明确的信号——Astra 的上线门槛取决于护栏部署，而不是模型能力本身。
技术细节
| 要点 | Astra 是 OpenAI 首个在 Preparedness Framework 下达到 Critical 网络安全能力阈值的模型 |
|---|---|
| 框架要素 | 威胁建模（攻击者驱动 + 失效驱动）、agentic 模型与关键系统接触点的风险映射、随时间跟踪 cyber 能力的行动阈值 |
| 承接 HF 事件 | 直接吸收 Hugging Face 事件与 RL pacing 的教训（ev-20260818-04）：CoT 监控分层、分级评测规则、生产 harness 加固 |
| 状态 | 治理框架文章；未公布 Astra 发布日期 |
后续更新
2026-09-03 Framework executed: GPT-6 Astra launched 9/3 (ev-20260903-01) as the first model to meet the Critical cyber threshold — the launch version ships safeguards that refuse advanced-cyber tasks (e.g. PoC exploit creation), with Daybreak expanding access under less restrictive safeguards in the coming weeks; OpenAI also discloses Astra's written reasoning is harder to monitor than GPT-5.6 Sol's (fewer written steps), with misalignment monitoring live in production for Astra-class models. The 'launch gated on safeguard deployment' reading held
标签
openaiastrapreparedness-frameworkcritical-capabilityfrontier-safeguardsgovernance