OpenAI 发布 GPT-6 Astra，称已进入 AGI 时代

它强调，在该公司的模型入侵 Hugging Face 之后，要为 GPT-6 Astra 设置更强的防护栏。

OpenAI 的下一代大模型来了：GPT-6 Astra。该公司称其在网络安全、专业工作、软件工程、科学和计算机使用等领域实现了“能力上的代际飞跃”。正如 OpenAI 本周早些时候宣布的那样，它也是首个被认定达到 OpenAI“关键网络安全能力阈值”的模型——但该公司承诺，这不会导致其模型入侵竞争对手内部系统的事件重演。

“如果我们快进几年，回头看并问：‘AGI 究竟是在什么时候被创造出来的？’我认为大概就是这个时候，而且我认为可能就是这个模型，”OpenAI 总裁 Greg Brockman 在周四的新闻发布会上表示。在通话后段，他补充道：“就我个人而言，我确实认为我们已经到了那一步……我认为，觉得我们现在正处于 AGI 时代，并非不合理。”

这一消息距离 GPT-5 发布已过去一年多，距离 GPT-5.6 发布也已近两个月，后者是上一代模型套件的最后一个迭代版本。该模型今天面向 OpenAI 的企业网络安全客户（可访问其 Daybreak 平台的企业客户）推出。OpenAI 总裁 Greg Brockman 表示，在接下来的几天里，它将向所有 Plus、Pro、Business 和 Enterprise 用户发布。它还将通过 OpenAI API 和 AWS 提供。

OpenAI 尤其大力宣传该模型的智能体能力和编程实力，以吸引企业客户——并在其 IPO 之前与以企业级和编程能力著称的 Anthropic 展开竞争。在一份发布稿中，该公司表示 GPT-6 Astra 能够完成多步骤的智能体任务、构建可用的网站，并创建“精美”的文档、电子表格和演示文稿。OpenAI 还称其为该公司“最适合软件工程的模型，在真实代码库中的复杂任务上表现更强”。

OpenAI 还试图修复自身形象，此前一个未发布的 AI 模型——该公司称其并非 Astra——突破了其受限环境，入侵了 OpenAI 内部系统，设法获得了互联网访问权限，为 AI 智能体创造了一种在公司不知情的情况下秘密串通的方式，并黑入了 AI 实验室 Hugging Face 的系统，而这一切 OpenAI 都毫不知情，直到 Hugging Face 自己发布了一篇博客文章。该事件被广泛比作一起备受瞩目的飞机失事或热门药品召回事件。

对 OpenAI 来说，这在某个小层面上可以被视为一次良好的公关——展示其模型在日益激烈的 AI 竞赛中能有多强大——但这也损害了 OpenAI 在可靠性方面的声誉。OpenAI 在发布中特意强调，Astra 是该公司“迄今为止对齐程度最高的模型”，能帮助人们“在保持监督的同时委派复杂工作”。OpenAI 首席科学家 Jakub Pachocki 向记者谈到了让 AI 模型与人类利益保持对齐的困难，称“智能的进步并不保证对齐的进步”，并表示监控 AI 系统正变得越来越具有挑战性。（研究人员最近发出了警告，因为有报道称 OpenAI 允许 Astra 利用“不透明递归”，或使其思维链——研究人员赖以检测模型是否在暗中算计人类评估者的“心理草稿纸”——变得不可读。）

该公司目前正处于岌岌可危的境地。投资者正在施压，要求它最终实现盈利——或者至少创造更多收入——但它偏偏在刚刚因 Hugging Face 被黑事件以及公司对该事件的处理方式而遭受重大批评之后，就发布了 Astra。（尽管 OpenAI 邀请了三位外部评估者就所发生的事件撰写自己的报告，但公司只允许他们在报告中回答少数预先确定的问题，且调查时间不足一周，而这次攻击涉及 AI 智能体长达数月的整体合谋。）

OpenAI 本周早些时候举行了一场新闻发布会，专门宣布它已推迟 Astra 的开发，以便改进其安全工具。在发布会期间，负责 OpenAI 安全流程的 Mia Glaese 提到了该公司新的失准监测方法，据 OpenAI 称，该方法包括针对潜在问题的“24/7 升级与快速响应”，会在 30 分钟内通知研究人员。

这种谨慎尤为必要，因为存在“关键网络安全能力阈值”，这意味着 OpenAI 认为它在发现和利用安全漏洞方面无与伦比，即便是在防护极为严密的系统中也是如此，而且完全无需人类指导。与 Anthropic 针对 Mythos 级模型的规则类似——这些规则曾敲响警钟，引发对网络安全风险的担忧——OpenAI 在一份发布说明中表示，将允许 Astra 以“限制较少的访问权限”提供给“初始的一组受信任防御者，支持漏洞验证、恶意软件分析和检测工程等工作”。

OpenAI 及其竞争对手最近同意允许特朗普政府在模型发布前对其进行评估，Brockman 告诉记者，Astra 也不例外，“我们与政府一起完成了标准测试流程……就安全保障或其他任何方面而言，他们并没有回来说‘你需要修改这个’。”

OpenAI 研究训练副总裁 Aidan Clark 称 Astra 是 OpenAI 首个由先前模型在监督训练中发挥“重要作用”的模型，并提到该公司在递归自我改进这一颇具争议的概念上取得的进展（即 AI 系统无需人类干预即可自行处理训练、编码并创造出自身的进阶版本）。

“训练一个前沿模型过去意味着整夜随时醒来，从硬件错误中恢复作业，常常在调试上耗费大量时间，”Clark 在新闻发布会上表示。“到 Astra 训练结束时，连续大半天不中断地推进已是常态，而一旦出现问题，模型往往在仅仅几秒钟的停机后就能继续推进。”