本文目錄

安全概覽聚焦能力提高後的防護

OpenAI 在 GPT-6 Astra 的安全概覽中表示，該模型達到公司 Preparedness Framework 的 Critical 資安能力門檻。這個判定與模型在具備適當工具和存取權時，發現未知漏洞及組合攻擊步驟的能力有關。公司因此加強內部隔離、模型檢查點保護、監控，以及使用前的對齊評估。

對齊訓練與監控共同運作

公告稱，Astra 在遵守安全邊界、抵抗提示注入及降低未授權操作方面有所進步，並將失準行為監控加入對外部署中所有涉及工具使用的推論。OpenAI 將模型本身的對齊視為主要防線，監控則用來補充可見性、發現問題與提供額外保護，而不是取代模型訓練。

官方同時揭露較難監控的風險

這份概覽也指出，Astra 相較前一模型更能控制自身思考鏈，在刻意要求規避監控的對抗測試中，部分行為可能較難被發現。OpenAI 因此主張繼續研究思考鏈之外的對齊稽核方式。這項限制與其他安全改善同時存在；閱讀完整系統卡與評估條件，比只看單一安全分數更能理解適用範圍。