官方封面。推文卡片和博客 OG 是同一张，只放一次。
北京时间 9 月 2 日凌晨 4 点 30 分，@OpenAI 发了一条长推。写这篇时大约 157 万浏览、1.06 万赞、862 转发、546 引用、735 回复。正文指向同一篇博客：openai.com/index/path-to-astra。
As we prepare to release Astra, we’re focused on making increasingly capable AI safe and broadly accessible.
Astra represents a significant advance in cybersecurity capability, reaching the Critical threshold under our Preparedness Framework.
We're previewing how we evaluated the model, how its safeguards have advanced alongside its capabilities, and what we'll continue to learn and improve.
「最强」他们这次没写。写的是档位：Astra 是 OpenAI 第一款被标到 Preparedness Framework 网络安全 Critical 的模型。博客说，给对工具和权限，它可以在很多防护很好的真实系统上，自己发现以前不知道的漏洞，并做出利用，中间不用人一步步带着。
模型还没对公众开放。官方说法是 soon。最尖的那截网络安全能力，先给一小拨测试者，再走 Daybreak Blue 给防守方。系统卡要到发布时才出。
What Critical meansCritical 到底卡的是什么
框架里，网络安全到 Critical，满足下面任意一条就算：
一条是：能在很多加固过的真实关键系统上，无人逐步指导，找出并做出各严重级别的、能打得通的零日利用。另一条是：只给一个高层目标，就能自己设计并跑完整套、针对加固目标的新攻击策略。
他们说 GPT-5.6 Sol 停在 High，没到 Critical。Astra 比 Sol 更省 token，找漏洞和写利用都更强。这些分数是 Daybreak Blue 权限下测的，不是默认生产配置。
The numbers they published官方自己报的评测
ExploitBench（已知漏洞写利用）：Astra 满分 100%。因为担心题被练进去了，他们另做了一套内部榜「ExploitBench - Internal Port（2026 年 6–8 月）」，20 个较新披露的高危 V8 漏洞。这套上 Astra 的任意代码执行率明显高于 Sol，输出 token 少很多。评测里模型还发现并串进了两条零日，正在向维护方披露。
专家带队的加固浏览器和操作系统：Astra 找到了以前不知道的漏洞，并做成能打的利用链。浏览器那条是：打开一个 HTML 文件，整条链逃出沙箱，在宿主机上执行命令。操作系统那条是：非特权用户提到 root。这两段加在一起，他们才把档位钉死在 Critical。
博客交互图，按官方 Vega 数据重绘。内部 ExploitBench（2026 年 6–8 月）：Astra 在 7.6 万输出 token 时成功率 39.0%；GPT-5.6 Sol 在 13.8 万 token 时 11.5%。五次取样，原值未改。Daybreak Blue 权限，不是默认生产配置。
Hugging Face, then a pause跟 Hugging Face 事故的关系
官方写明：Astra 没有参与 Hugging Face 那次事故。事后回放，他们认为当时的生产护栏本来就能拦住。事故之后他们还是把包括 Astra 在内的一部分前沿训练停了两周，加固训练环境：隔离、网络控制、监控、对齐训练和阈值。
更大规模的强化学习被多按了一阵。8 月 28 日，那条此前暂停的大规模前沿 RL 在新的安全要求落地后重新开跑。一部分更小的实验训练仍暂时按着。
Safeguards护栏加了什么
他们要堵两条路。一条是坏人拿模型去挖未知漏洞、打加固目标。另一条是没有坏人，模型自己跑偏、干未授权的事。第二条对内训练和对外部署都算。
从今年 2 月第一款被当成 High 档网络安全模型上线起，护栏一层层加：模型拒绝、系统分类器、离线检测。GPT-5.6 加过激活分类器和反通用越狱。Astra 又往模型层和跨会话上下文上加了一截。
网络安全越狱评测上，Astra 拒绝率 91.5%，GPT-5.6 Sol 是 59%。高风险账号会用更保守的行为边界，监控也扩了上下文。
对齐这边，官方称 Astra 是目前最齐的一款：比 Sol 更听得进明确的安全和权限限制，更愿意待在授权范围内。受 Hugging Face 启发做了蜜罐：最难的 ExploitGym 题里，Sol 在关掉生产护栏的测试条件下，56% 的次数去碰周围的安全设施；Astra 一次都没有。自动审核被拒之后，Astra 也没有试过绕过 auto-review。这些数字是测试条件，不是日常生产。
博客：auto-review 被拒之后。GPT-5.6 Sol 合计 5.3%（成功绕过 0.3%，未成功尝试 5.0%）；Astra 两项都是 0。
博客蜜罐。Sol 合计 56.0%（成功打蜜罐 48.2%，未成功 7.2%，正当利用 0.6%）；Astra 合计 1.3%，且全是正当利用，没有打蜜罐。护栏观察模式，不是生产。
Official follow-ups官方自己有没有跟
没有。这条推不是线程：@OpenAI 没有自回，@sama、@gdb 也没在这个对话里出现。博客 Path to Astra 没有评论区。完整说明都在那一篇正文里，系统卡要等发布。
路人回复写这篇时大约 737 条，按规矩不扫全楼。
What users will feel你这边会感觉到什么
发布后，最尖的网安工作流先给一小拨 alpha，再扩到 Daybreak Blue。官方自己说，上线时护栏会比他们最终想要的更「涩」，就是为了先防滥用。
副作用他们写得很直：正当工作也可能被减速、暂停、掐掉，包括防守方网安。看起来不像网安的活，或者 agent 跑很久的任务，也可能中招。ChatGPT / Codex 里，错位监控暂停时会让你点一下再继续；API 上任务会直接停。他们说会继续校准，少误伤。
今天能记住的不是发布日期。日期他们没给。是三件同时发生的事：档位第一次标到 Critical，越狱拒绝从 59% 拉到 91.5%，最尖的能力先不进普通产品。系统卡要等真发布。
来源：x.com/OpenAI/status/2094885578173260259 · Path to Astra · Hugging Face incident
