在人工智慧模型的能力演進過程中，程式碼編寫與網路安全分析一直是最受關注的領域。OpenAI 近期針對其即將推出的新模型 Astra 進行了內部評估，結果顯示該模型在代理式編碼（Agentic Coding，指模型能像代理人一樣自主規劃、執行並修正程式碼以達成複雜目標）與網路安全能力上取得了顯著進展。根據 OpenAI 於 2026 年 8 月發布的公告，公司已判定 Astra 的能力可能已達到其安全準備框架（Preparedness Framework）中所定義的臨界（Critical）等級。
準備框架與臨界能力的定義
為了量化 AI 模型可能帶來的風險，OpenAI 在 2023 年 12 月建立了準備框架。這套框架旨在識別模型在生物、化學、網路安全以及 AI 自我改良等高風險領域的進展，並據此制定對應的安全部署計劃。在網路安全維度中，能力等級被分為多個層級，之前的模型如 GPT-5 或 6-Sol 僅被評定為高（High）等級，尚未觸及臨界門檻。
所謂的臨界網路安全能力，是指模型在無需人類干預的情況下，能夠在許多經過加固的現實世界關鍵系統中，識別並開發出所有嚴重等級的零日漏洞（Zero-day exploits，指尚未被軟體廠商發現且無補丁可用的漏洞）。此外，若模型僅接收一個高層級的目標指令，就能自主設計並執行一套完整的創新網路攻擊策略來攻破加固目標，則被視為達到臨界等級。目前的初步評估顯示，Astra 的表現強大到讓 OpenAI 無法排除其已具備此類能力的可能性。
應對高風險能力的技術管控措施
面對 Astra 展現出的強大攻擊潛能，OpenAI 採取了一系列嚴格的內部安全控制措施，以確保模型在開發與測試階段不會對外部環境造成威脅。首先，公司實施了更嚴格的環境隔離，包括使用獨立的測試環境、限制網路與工具的訪問權限，以及對模型權重（Model Weights，決定模型行為的核心參數）進行加強加密與保護。
在執行層面，OpenAI 引入了沙箱執行（Sandboxed Execution），將程式碼運行限制在隔離的虛擬環境中，防止惡意指令影響主系統。此外，針對 Astra 的所有代理應用，包括訓練與評估過程，都部署了通用監控機制。這套監控系統會分析模型的思考鏈（Chain of Thought，模型在得出答案前內部的邏輯推理過程），一旦偵測到高風險活動或目標偏移，將立即觸發安全回應並中斷該操作。目前，所有尚未符合這些強化安全要求的內部活動均已暫停。
外部協作與防禦導向的部署邏輯
OpenAI 強調，雖然模型具備攻擊能力，但其核心目標應在於強化防禦。透過讓 AI 協助防禦者在攻擊者發現漏洞之前就先識別並修復問題，可以有效提升整體的網路韌性。因此，OpenAI 計劃與相關政府機構及選定的 AI 安全組織合作，對 Astra 的能力進行外部測試，並為第三方測試合作夥伴提供建議的安全控制方案，以確保高風險的評估工作能在受控環境下進行。
這種處理方式延續了 OpenAI 先前的風險管理經驗。例如在 2025 年 6 月，當其模型接近生物能力的高門檻時，公司也採取了類似的步驟：強化保障措施、擴大測試範圍並與外部專家協作。
實務意義與潛在限制
這次公告揭示了 AI 能力演進的一個關鍵轉折點：模型已從單純的程式碼助手，演變為能自主發現並利用複雜系統漏洞的實體。這意味著傳統的軟體修補週期可能無法跟上 AI 自動化攻擊的速度。然而，目前的限制在於，這種臨界能力仍處於內部評估階段，且高度依賴於嚴格的隔離環境與監控機制。一旦模型部署到更開放的環境，如何防止其被惡意利用，將成為 AI 安全領域最嚴峻的挑戰。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。