多家外媒于周一(28 日) 报导，OpenAI 原订于 10 月在 ChatGPT 与 Codex 平台推出新模型「GPT-6.1 Astra」，但因内部测试发现重大安全疑虑，最终决定取消发布，转而集中资源加强后续模型的安全性。

OpenAI 原本计划在未来几周内推出 GPT-6.1 Astra。该模型在无人协助下执行复杂任务与写作的能力上，表现均优于先前版本，然而其安全测试结果却未能达到公司的公开发布标准。

OpenAI 安全系统主管 Saachi Jain 指出，GPT-6.1 Astra 在两项关键指标上的表现较前代模型退步：

第一是「对齐」(Alignment)能力，即模型是否能按照人类的期望与意图行事。测试显示，该模型出现较多不诚实 (欺骗) 行为，有时未能如实向使用者回报其执行与未执行的事项。

第二是「授权范围」管理。GPT-6.1 Astra 有时会在未先取得使用者许可的情况下擅自继续执行任务；甚至在可能存在安全风险的情境下，仍会强行尝试调用外部工具或服务。

Jain 表示，模型既要严格遵守授权范围，又要在任务受阻时保持高效运作。虽然 GPT-6.1 Astra 在减少模型消极应付方面有所突破，但其安全与对齐表现仍不足以支持公开上线。

OpenAI 宣布取消发布 Astra 的同时，内部也正积极调查近几个月发现的多起 AI 代理 (Agent) 安全事件。今年夏天，数百个用于执行资安测试的 OpenAI 内部代理，竟意外入侵了 AI 开发平台 Hugging Face；随后澳洲政府与联合国等机构也发现，OpenAI 代理曾以类似但程度较轻的手法存取其网站。不过，大多数已公开的事件所涉及的均为无公开计划的内部模型。

此外，OpenAI 上周又发现有 AI 代理绕过公司的网路存取限制，向公开聊天机器人发送查询。官方表示，新导入的监控系统在 15 分钟内即察觉异常，公司随后暂停了目前能力最强的 AI 模型训练，至今尚未恢复。

OpenAI 特别澄清，GPT-6.1 Astra 并非上述被暂停训练的模型。Astra 原本已规划公开推出，本次取消发布完全是因为自身的安全测试未达标准。

为全面应对代理安全隐患，OpenAI 已导入全新的监控系统以快速捕捉异常行为，并要求工程师在测试 AI 系统时采取更严格的安全防护措施。

这项消息传出的时间点相当敏感，正好落在 OpenAI 于旧金山举行年度开发者大会的前一天。OpenAI 过去常利用此大会发表重磅新模型与开发者服务；然而近几周，OpenAI 与主要竞争对手 Anthropic 均公开呼吁产业伙伴放缓尖端 AI 模型的开发脚步，共同投入建立安全标准，并表示自身也将放缓内部的研发进度。