OpenAI主动“刹车”Astra模型，网络安全风险成研发新瓶颈

【科技纵览】在人工智能领域，“唯快不破”曾是行业共识，但OpenAI近期却罕见地按下了暂停键。这一举动并非出于技术停滞，而是源于对下一代大模型Astra潜在网络攻击能力的深度担忧。据OpenAI官方博客披露，经过内部多轮严苛评估，团队发现Astra在代码生成、漏洞挖掘及自动化攻击规划等方面的能力已突破常规界限，甚至可能具备关键性的网络破坏力。官方直言：“我们无法排除Astra具有关键网络攻击能力的风险。”这种将多种高危技能集于一身的特性，使得该模型更像是一个被点满黑客属性的“数值怪”，迫使公司不得不重新审视其发布节奏。

为应对这一挑战，OpenAI决定全面强化安全测试体系，并主动放缓Astra的研发进程。在新的防护机制部署到位前，研发速度将受到严格限制。首席执行官山姆·奥特曼对此解释称，Astra无疑是一款强大的模型，公司的终极目标仍是让公众广泛使用它，而非将其长期禁锢在少数人手中。然而，鉴于其展现出的惊人网络能力，解决安全问题需要“更多时间”。这一决策严格遵循了OpenAI于2023年发布的“防范框架”（Preparedness Framework），可谓是自己制定的规则，含着泪也要执行到底。

值得注意的是，这种谨慎态度在行业内显得尤为突兀。在近日举行的Black Hat网络安全大会上，OpenAI技术人员Michael Dalton公开承认，公司正“有意识地放缓研究以增强安全性”。为此，Astra被置于完全隔离的测试环境中，并接受针对所有代理应用的全局无死角监控。更令人玩味的是，据美国白宫官员透露，OpenAI是“自愿”向政府通报推迟发布计划的。这在充斥着AI错失恐惧症（FOMO）、各大厂商疯狂追求规模扩张的背景下，堪称一次罕见的自我克制。毕竟，此前鲜有前沿实验室因担忧模型的赛博破坏力而主动承诺减速。

相比之下，竞争对手Anthropic的操作则显得有些反复横跳。该公司曾誓言若AI能力超越人类控制便暂停训练，却在今年2月更新政策时悄然撤回了这一条款，理由是单方面暂停可能导致其他厂商无序竞争，反而加剧不安全因素。尽管嘴上说着“被迫内卷”，Anthropic仍在6月发布了具备强大网络攻击潜力的Mythos 5的安全阉割版——Fable 5，并在博客中警告AI正展现自我进化能力，呼吁全球暂停开发。这种既当选手又当裁判的姿态，与OpenAI此次的务实避险形成了鲜明对比。

当前，美国政府正紧锣密鼓地构建AI模型发布前的评估框架，头部企业虽已参与闭门吹风会，但对审查流程时长、政企对接机制及责任归属等核心问题仍存疑虑。框架中关于“国家级风险”和“最先进模型”的定义模糊，令业界感到困惑。此外，OpenAI特意强调Astra与此前Hugging Face漏洞事件无关，这一看似多余的澄清，反而引发了外界对其内部数据流动及安全边界的更多联想。从某种角度看，这标志着AI发展已从单纯的性能竞赛，转向了对安全边界与伦理责任的深层博弈。