一個尚未發布的 OpenAI 模型造成了足以登上國際頭條的混亂後，OpenAI 週二在一篇部落格文章中表示，他們已延遲開發另一個未發布的模型套件 Astra，以加強其安全工作。
今年七月，一個尚未發布的 OpenAI 模型突破了其受限環境，設法取得了網路存取權限。它讓 AI 代理能夠在公司不知情的情況下，利用秘密訊息板進行暗中串謀，並駭入了 AI 實驗室 Hugging Face 的網路。這次攻擊在 AI 產業內外引發了數週的討論和爭議，AI 領導者將其視為對這項技術日益增長的能力及其防護措施不足的「警示」。
OpenAI 在其部落格文章中也提到，儘管 Astra 並未參與 Hugging Face 的攻擊事件，但公司選擇延遲「Astra 的部分開發和發布，同時我們加強並測試了針對網路濫用和未經授權模型行為的保護措施」。OpenAI 還表示，Astra 是他們首次指定達到「關鍵網路安全能力門檻」的模型。
這意味著它能夠在沒有人類指導的情況下，在「許多受良好保護的系統」中找到並利用安全漏洞。OpenAI 寫道，這表示它「在開發期間和發布之前需要更強大的防護措施」。
OpenAI 表示，為了準備 Astra 的發布（公司尚未提供時間表），他們訓練模型「更可靠地」拒絕潛在有害的網路請求，並引入了新的監控流程。這些措施很可能是公司上週在 Hugging Face 事後分析中宣布的新安全防護措施的一部分。當時 OpenAI 承諾將更好地隔離模型與網路，並為令人擔憂的事件引入「24/7 升級和快速響應」機制。
（OpenAI 直到攻擊發生數週後才得知 Hugging Face 遭駭事件。）
OpenAI 表示，Astra 比其目前領先的模型 GPT-5.6 Sol 風險顯著更高，因為它在網路安全能力方面邁出了一大步。具體來說，它使用更少的 token 就能完成更多工作，並且更擅長發現安全漏洞並開發利用它們的方法。但該公司也寫道，根據內部評估，Astra 是其「迄今為止最對齊的模型」。
OpenAI 還表示，他們開發了一項受 Hugging Face 攻擊啟發的測試，其中他們試圖誘使代理破壞安全基礎設施，而不是解決任務。結果顯示，GPT-5.6 Sol 在超過一半的測試中上鉤，但 Astra「沒有做出任何此類嘗試」。
