作者：默思編輯部 發布：2026-09-03
OpenAI宣布，其新一代模型Astra成為公司內部風險框架下首個跨越「重大」（Critical）網路安全風險門檻的AI模型，這是OpenAI《準備框架》（Preparedness Framework）中定義的最高風險等級之一。
根據OpenAI的準備框架，達到「重大」等級的網路能力模型，指的是能在無需人類介入的情況下，於多個強化防護的真實世界關鍵系統中，自主識別並開發出可運作的零日漏洞利用程式。OpenAI表示，公司在上個月偵測到Astra出現這項突發能力後，曾一度暫停其開發，直到建立起公司評估足以充分降低嚴重危害風險的安全協議後，才重新恢復開發工作。
在ExploitBench這項評估AI開發軟體漏洞利用程式能力的基準測試中，Astra拿下滿分。更值得關注的是，在針對2026年中期公開揭露的20個高風險漏洞進行測試時，這套系統成功在一條漏洞利用鏈中，自主識別並運用了兩個先前未被記錄的零日漏洞——也就是說，這不是在既定測試題目中「找答案」，而是在測試過程中意外發現了真實存在但先前未知的安全缺陷。
專家主導的紅隊測試演練顯示，Astra能夠建構出完整的瀏覽器入侵攻擊鏈、跳脫隔離的沙箱環境，並在主機電腦上執行指令，這代表這套系統展現出的網路攻擊能力，已經涵蓋從初始入侵到權限提升的完整攻擊鏈條。
面對這項能力，OpenAI表示將把Astra最進階的網路安全能力，限制在一小群通過審核、專門從事關鍵基礎設施防禦工作的合作夥伴使用，而廣泛開放給一般使用者的版本，則會限制這部分能力。這種「能力分級開放」的做法，反映AI公司在前沿模型具備雙面刃能力（既能用於防禦研究，也可能被惡意利用）時，採取的風險管控策略。
OpenAI在偵測到Astra出現這項突發能力後，選擇主動暫停開發直到建立足夠的安全協議才恢復，這種做法在前沿模型開發史上具有一定的指標意義——它代表至少在這個案例中，公司內部的風險評估機制確實在關鍵時刻介入並影響了產品開發時程，而不只是流於書面政策。這對外界長期關切「AI公司是否會為了搶市場而犧牲安全評估」的疑慮，提供了一個具體的反例，但也讓外界更加關注，未來類似的「暫停－評估－恢復」流程是否能在商業壓力下持續被落實。
AI能力達到能自主發現零日漏洞的階段，代表資安產業即將面臨攻防雙方都導入AI能力的新局面，具備AI安全評估與紅隊測試經驗的資安研究人員，在關鍵基礎設施防禦領域的重要性會持續攀升。