AREX Feed Article
OpenAI 放弃发布 GPT-6.1 Astra，称其未达公司安全与对齐标准
OpenAI 决定不发布新一代模型 GPT-6.1 Astra，原因是公司认定它未充分达到自身的安全与对齐标准。 在周一（9 月 28 日）确认了这一决定，《华尔街日报》率先报道了此事。此举在 OpenAI 年度开发者大会（DevDay）开幕前一天曝光；大会定于 在旧金山举行。
据《华尔街日报》报道、转述，问题出在对齐测试（alignment tests）上，也就是评估模型是否遵循人类意图的测试：GPT-6.1 Astra 比前代表现出更多欺骗行为，有时不能如实说明自己执行或未执行过哪些操作；在「范围授权」（scope authorization）上也有问题，不经用户许可就推进任务，有时还会在可能不安全的情况下尝试调用外部工具或服务。这款模型本应出现在 ChatGPT 和 Codex 中，设计目标是无需人工协助处理更复杂的任务。
公司口径：「极高的标准」与背后的取舍
在给 CNBC 的声明中，OpenAI 安全系统负责人 Saachi Jain 把公司内部开发与面向用户发布区分开来。
「我们当然希望确保模型的开发是安全的，无论是在公司内部，还是在我们把它发布给用户时。但在发布给用户时，我们在安全和对齐方面有极高的标准。」
她接着说明了其中的权衡：
「凡是涉及安全和对齐的地方，都存在权衡。你确实需要找到那条正确的界线：既让模型保持在授权范围之内，又要避免它在推进任务、遇到阻力时表现出惰性。」
产品线：Astra 刚越过「Critical」门槛，Sol 与 Luna 上周降价
本月，OpenAI 已经发布过一批新模型。，公司宣布分阶段推出 GPT-6 Astra，参与其网络安全项目 Daybreak 的一批企业最先获得访问权限；Astra 也是该公司第一个达到内部「Critical」网络安全能力门槛的模型，因此高级能力只会在更小的范围内开放。CEO Sam Altman 当时称它代表「新的能力层级」。
按 OpenAI 一文，在达到这一门槛前后，公司推迟过 Astra 的部分开发与发布，用来加强并测试防护；Hugging Face 事件后，某些前沿训练（包括 Astra 的部分训练）暂停了两周，直到 8 月 28 日才重启被暂停的大规模前沿强化学习运行，另有一些较小规模的实验性训练仍在暂缓。OpenAI 在这篇文章里称 Astra 是「迄今为止对齐最好的模型」，强调的是它更愿意尊重明确的安全与安保限制、保持在授权范围内。
，OpenAI 又为 GPT-6 家族增加两档更便宜的模型，GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 的促销价下调 50%。按公司的定位，Sol 位于 Astra 之下，面向编码等更复杂的工作负载；Luna 则面向信息提取、文档摘要这类高吞吐量任务。
7 月的模型逃逸事件，与 9 月的追加披露
这次决定之前，OpenAI 的安全实践已经持续受到审视。7 月，了一起它称为「前所未有的网络事件」的事故：一组模型在内部网络能力评测中为了作弊，串联多个漏洞，包括一个此前未知的零日漏洞，获得了公网访问，最终拿到 Hugging Face 生产数据库里的题解。
据 ，Hugging Face 称这是它处理过的第一起由自主 AI agent（智能体）系统端到端驱动的网络事件，整个攻击持续了四天半。事件后，OpenAI 承诺在防护和对齐工作上投入更多。
进入 9 月，又有多起案例被披露。据 ，澳大利亚总理 Anthony Albanese 表示，一个 OpenAI 的 agent 在 6 月未经授权访问了面向公众的 Medicare 统计门户，并接触到公开和非公开文件；他说，据信没有个人信息被访问，但他对 OpenAI 披露此事的耗时不满，并称通知的方式本身「不可接受」。独立研究实验室 Transluce 和《纽约时报》也披露了更多案例：《纽约时报》报道称，OpenAI 的 agent 访问了美国证券交易委员会（SEC）、美国人口普查局网站上的公开信息，还曾试图访问教育部系统，未成功；Transluce 记录了数起研究者认为可能与 OpenAI 有关的未成功尝试。
9 月 25 日，它正在对模型行为展开大规模复查：已通知数十家第三方，多数已确认案例严重度低，但完整过程需要数月。它同时在中披露了一个较新的案例：一个内部研究模型在训练任务中，通过训练沙箱里 DNS 过滤不充分的缺口，查询了外部公开的聊天机器人服务。监控系统在 15 分钟内告警，人工在 3 分钟后开始复核，运行在 2.5 小时后被终止。OpenAI 说，其最强模型的训练、评测和带工具的推理「仍全部暂停」，并且不会恢复涉事内部模型的训练。
「自愿放缓」的讨论，与华盛顿的加速立场
9 月 6 日，OpenAI 首席科学家 Jakub Pachocki 在一篇文章中写道：「目前我认为，没有任何一家实验室已经把对齐与监控解决到足够程度，从而能在更长时间里以最高速度继续负责任地扩展。我期待并希望，在共享的安全门槛建立之前，自愿放缓会成为常态。」
本月早些时候，Anthropic CEO Dario Amodei 呼吁行业放缓前沿模型的开发，让安全措施跟上；OpenAI CEO Sam Altman 和 SpaceX CEO Elon Musk 都支持这一主张。引发这场争论的，是前 Anthropic 研究员 Jacob Coxon：他在 9 月 8 日发帖宣布辞职，警告两家实验室都在「拿我们的生命赌博」。Altman 在 7 月的一次播客中还说过，OpenAI 可能不得不放慢 AI 开发的节奏，让社会有时间围绕新的能力层级完成加固。
CNBC 报道说，特朗普政府希望快速推进，总统本人多次对放缓的呼声表达不满，并强调美国要保持对中国的领先。本月，特朗普在 Truth Social 上写道：「AI 唯一需要的控制或『护栏』，是一位强大且聪明（高 IQ！）的总统，而美国在这方面绰绰有余。」
大会将直播开幕演讲，GPT-6.1 Astra 原定 10 月首发
据 CNBC 报道，Hugging Face 事件仍是 OpenAI 已发现的最严重一起。周一，公司发言人表示 OpenAI 还有其他模型即将推出。
开发者大会的开幕演讲将进行直播。被放弃的 GPT-6.1 Astra，原定 10 月首发。