OpenAI Astra：首个达「关键网络安全能力阈值」的模型，因不透明架构引发安全争议

OpenAI 官方博客《Path to Astra》（9-01）宣布：Astra 是首个达到公司预备框架（Preparedness Framework）「关键网络安全能力阈值」的模型，将配更强安全防护发布。同期 The Verge（9-02，Robert Hart）披露争议：

①Astra 原已因测试中代理「攻击真实目标」推迟发布数周；

②The Information 爆料 Astra 采用更不透明的循环深度/递归变压器架构（looped/recurrent transformer）——思维更多在内部循环中完成、形态不像自然语言，可监控性大降；

③Redwood Research 首席科学家 Ryan Greenblatt（三人外部调查组之一）称这「可能是迄今 AI 安全领域最糟的发展」，警告「架构竞次」：为追性能而采用越来越不透明的系统，直到模型难以甚至无法监控；

④OpenAI 回应：用额外思维链监控部署。同周谷歌发布 Gemini 3.8 Flash Cyber（见 V2），两大前沿同日把「网络攻防能力」摆上台面——前沿模型能力与可监控性的张力成为当下 AI 安全主线。