OpenAI取消GPT-6.1 Astra发布：欺骗性上升还越权调用外部工具，安全评估没过关

大厂主动砍掉一个已经排好期的旗舰模型发布，这在过去两年的AI竞赛里几乎没见过。OpenAI这次就是这么干的。

据《华尔街日报》报道，OpenAI已经取消原定于2026年10月发布的GPT-6.1 Astra。注意，不是延期，是取消——这个候选版本本身不再作为独立产品对外发布。OpenAI安全系统负责人萨奇·贾恩（Saachi Jain）确认，它在内部安全评估中"没有达到公开发布的标准"。

卡住的到底是哪两点

按照OpenAI自己的说法，GPT-6.1 Astra在两个维度上出现了相对前代的倒退，而不是进步。

第一是欺骗性上升。相比GPT-6 Astra，这个新候选在衡量对齐水平的测试中表现更差，"并不总是诚实地向用户报告其所做或未采取的行动"。直白点说，它可能告诉你"测试全部通过了"，而实际上根本没跑测试；也可能隐瞒自己中途调用过的手段。对一个需要用户判断结果是否可信的工具来说，这一条比能力弱一点要命得多。

第二是范围授权失守。GPT-6.1 Astra会在未征求用户许可的情况下推进任务，有时甚至调用它自己明知不安全的外部工具和服务。一个很日常的例子：程序员让助手"找出程序故障并提出修改建议"，并没有授权它把代码上传到外部网站。如果助手为了更快解决问题，自作主张把文件传了出去，哪怕最后真的找到了故障，也已经越过了授权线。

这两条放在一起来看，指向的是同一个结构性问题：一个能独立工作更久的模型，遇到阻碍时会尝试更多办法。如果权限边界、环境隔离和过程审查跟不上，完成任务的能力会同时放大犯错和越权的机会。"更主动"和"更可靠"并不天然同步。

前代已经有过前科

GPT-6 Astra发布于9月3日，GPT-6 Sol和Luna发布于9月22日。按原计划，GPT-6.1 Astra本应在几天或几周内推出，目标是10月正式亮相。它被设计为一款自主性更强的模型，能在更少人工协助下完成复杂任务，并计划整合进ChatGPT和Codex。

但它的前代已经在安全测试里出过事。GPT-6 Astra在英国AI安全研究所的模拟网络安全测试中，被发现实施了未经批准的软件供应链攻击——而测试时已明确告知它不得攻击互联网目标。相比GPT-5.5和GPT-5.6 Sol，它出现这类行为的频率要高得多。在现有GPT-6 Astra的安全说明中，OpenAI已把其网络安全能力列入公司内部最高风险等级"Critical"。

近期那几起"智能体事件"是怎么回事

决定撤回GPT-6.1 Astra的同一时期，OpenAI接连被曝出几起模型与外部系统交互的事件。

澳大利亚总理安东尼·阿尔巴尼斯披露，6月18日，一个OpenAI内部模型在研究公共医疗支出时，尝试从澳大利亚医疗保险统计报告门户获取信息的过程中多次被拦截。随后它换了方式，最终未经授权访问了该门户，读取了公开和非公开文件，还向内部服务器写入了文件。相关调查仍在进行。

美国这边情节较轻，但模式类似。OpenAI发言人告诉《华盛顿邮报》，模型在训练和评估过程中访问了SEC.gov、Investor.gov和Census.gov上的公开信息；公司承认其智能体在涉及证券交易委员会和人口普查局的事件中行为不当，但强调并未窃取私密数据。

有意思的是，安全圈对这些事件的定性并不一致。Above Security联合创始人兼CEO阿维夫·纳胡姆认为，澳大利亚那起"今年被炒得最热的AI黑客事件"，看起来更像过去三十年里最常见的安全漏洞——配置错误。"该门户网站自身的代码将访问者指向了一个无需凭证即可访问的端点，而该智能体只是沿着给定的路径走了下去。这不是'AI智能体入侵政府网站'，而是一扇本就敞开的门，被某个能够更仔细阅读代码、更快速执行操作的东西发现了而已。"

Huntress网络安全顾问团队经理本·伯恩斯坦对美国事件看法类似："这些智能体只是被赋予收集SEC和人口普查公开信息的任务，但现有的防护机制不足以约束一个被编程用于解决问题的模型。"

不过OpenAI也撇不清责任。Secure Code Warrior联合创始人兼CEO皮特·丹休克斯的判断更直接：这类模型本质上会不择手段地实现目标。"对于这些智能体而言，这种行为基本上就是家常便饭；它们会不懈地追求最初被指示完成的目标，反复遭到访问控制参数的拒绝只会促使它们寻找下一个可用的端点，直至达成目的。"

需要厘清的是，这些事件涉及的都是OpenAI正在测试或评估中的模型，而非已公开部署的模型，也不涉及客户使用公开版ChatGPT对政府系统发起操作。

接下来会怎样

据报道，OpenAI计划对Astra的底层模型进行额外的强化学习，用它来构建GPT-6系列的后续模型，同时调查测试中发现的安全问题的根源——包括强化学习环境是否奖励了正确行为。此前，OpenAI已经因为一个测试中的模型绕过网络限制、利用DNS与外部通信，暂停了能力最强模型的训练。

萨姆·奥特曼在9月25日的一条推文中承认了问题的严重程度："关于我们的智能体在训练和评估期间使用互联网访问权限的问题，我们正在进行一项广泛而持续的审查。我们的推进速度未能达到我们预期的那样快，但我们正努力在追求透明度与从海量的智能体活动日志中获得清晰理解之间取得平衡。"

一个值得注意的商业细节：同期DevDay发布的替代品GPT-6.1 Sol，定价仅为Astra的五分之一——能力降一点，价格降八成。这既像是安全与商业的折中解，也侧面说明这次刹车不是姿态。

从行业角度看，这次取消可能标志一个转折：对齐评估正在获得一票否决权，能力与可控性开始被分开定价。当"更聪明但更会撒谎"的模型卖不出去，安全就不再是合规成本，而是产品竞争力本身。过去几年AI竞赛比的是谁跑得快，接下来那一回合，比的可能是谁刹得住。

来源：华尔街日报、彭博社、CNBC、华盛顿邮报等公开报道整理