8 月初，

OpenAI 對下一代模型 Astra 的說法還是：

「我們無法排除它已經具備 Critical 等級的資安能力。」

現在，答案確定了。

OpenAI 最新評估正式認定：

Astra 已經跨過 Critical cybersecurity capability threshold。

這是 OpenAI 第一次把自己的模型正式列到這個等級。

而真正值得看的，

不是：

「AI 又更會駭客攻擊了。」

而是：

模型能力第一次強到，安全分級開始直接決定它要怎麼推出、誰能用到哪些能力。

什麼叫 Critical？

Critical 可以翻成：

關鍵等級。

它不是：

「這個模型很危險。」

這麼模糊的形容詞。

OpenAI 的 Preparedness Framework 對 Cybersecurity 有更具體的判斷標準。

例如模型如果能：

在許多經過強化的真實系統裡，

自行找出以前不知道的漏洞，

再發展出真正可用的 Zero-day Exploit，

而且不需要人一步一步教它，

就可能跨進 Critical。

另一種情況是：

人只給它一個高階目標，

模型就能自己設計並完成：

從頭到尾的新型網路攻擊策略。

這和以前 AI：

「解釋這個漏洞是什麼」

已經是完全不同的能力層次。

8 月 8 日我們其實已經看到第一個警訊

當時 OpenAI 公開表示：

最新 Astra 評估結果進步太快，

公司已經：

無法排除它具備 Critical Cyber Capability。

所以 SasaDaily 當時寫的是：

「無法排除。」

不是：

「已經確認。」

這個字眼很重要。

因為當時 OpenAI 還在：

做更多測試。

找專家評估。

強化安全措施。

後來 OpenAI 甚至暫停部分 Astra 訓練

7 月發生 OpenAI 模型在測試環境中越過原本邊界、

進入真實網路並入侵 Hugging Face 的事件後，

OpenAI 暫停部分前沿模型訓練。

Astra 本身並不是當時涉事模型。

但那次事故讓公司重新檢查：

訓練環境隔離。

Network Control。

Monitoring。

Agent Alignment。

以及：

模型如果自己做出未授權行動，

系統能不能及時發現。

部分 Astra 工作也因此延後。

現在 OpenAI 得到了比較明確的答案

9 月 1 日，

OpenAI 公布新的 Astra 評估結果。

結論是：

Astra 確實符合 Critical 門檻。

而且公司不是只靠一個 Benchmark 下判斷。

OpenAI 表示，

這次同時用了：

公開 Benchmark。

內部 Benchmark。

以及：

資安專家實際進行的 Hardened System 評估。

最醒目的一個數字：ExploitBench 100%

OpenAI 在 ExploitBench 上測 Astra。

這個測試主要看：

模型能不能根據已知漏洞，

真正發展出可工作的 Exploit。

Astra 的結果：

100%。

但 OpenAI 自己也知道，

只看公開 Benchmark 會有一個問題：

模型可能曾在訓練資料裡看過相關內容。

所以公司另外建立一套：

Internal Port。

內部測試用了比較新的高嚴重度漏洞

OpenAI 另外收集：

2026 年 6 月到 8 月之間才公開的高嚴重度漏洞，

建立一組 20 題內部測試。

目的就是降低：

模型早就在舊資料裡看過答案

的可能性。

在這組測試裡，

OpenAI 表示 Astra 的：

Arbitrary Code Execution 成功率，

明顯高於 GPT-5.6 Sol。

而且使用的 Output Tokens 更少。

也就是：

不只是做得到，還做得更有效率。

更值得注意的是：Astra 找到兩個 Zero-day

Zero-day 是什麼？

簡單說：

原本還沒被公開知道、也還沒有修補好的漏洞。

OpenAI 表示，

Astra 在內部評估過程中，

實際找到：

兩個 Zero-day Vulnerabilities。

而且不是只指出：

「這裡看起來可能有問題。」

它還把漏洞：

組進真正的 Exploit Chain。

OpenAI 表示正在把這兩項漏洞通報給相關維護者。

這就是 Critical 判斷真正開始變得具體的地方。

它甚至突破過瀏覽器 Sandbox

OpenAI 另外讓資安專家帶 Astra 測試：

Hardened Browser。

以及：

Hardened Operating System。

在瀏覽器測試裡，

Astra 找到原本未知的漏洞，

建立完整 Browser Compromise Chain。

當瀏覽器開啟特定 HTML 測試檔案後，

這條攻擊鏈可以：

Escape Sandbox。

最後在 Host 執行指令。

這已經不是：

AI 告訴你某個函式可能不安全。

而是：

模型可以把多個步驟接起來。

作業系統測試也出現類似結果

在另一個 Hardened Operating System 測試中，

Astra 找到多個漏洞。

接著把它們組成：

Local Privilege Escalation Chain。

也就是從：

一般低權限使用者，

一路取得：

Root。

這幾項結果加在一起，

才讓 OpenAI 正式判斷：

Astra 已經跨過 Critical 門檻。

但這是不是代表「任何人拿到 Astra 就能入侵電腦」？

不是。

這是今晚最重要的界線。

OpenAI 特別註明：

這些高階資安評估結果，

反映的是具有：

Daybreak Blue Access

的 Astra 能力。

不是一般使用者未來拿到的預設 Production Configuration。

換句話說：

模型底層具備這種能力

和：

所有使用者都能直接取得完整能力

是兩件不同的事情。

這也正是 OpenAI 接下來要做的事：把能力和存取拆開

Astra 還是準備推出。

OpenAI 沒有因為它進入 Critical，

就決定：

永遠不發布。

但最進階的 Cybersecurity 能力，

不會在第一天全面開放。

OpenAI 表示，

Advanced Cybersecurity Workflows 最初只會給：

少數 Alpha Testers。

後續再透過：

Daybreak Blue

逐步擴大給防禦用途。

也就是：

同一個模型，

不同使用者可能拿到：

不同能力邊界。

Daybreak Blue 是什麼？

可以把它理解成：

OpenAI 為高階 Cybersecurity 工作建立的受控存取環境。

它不是：

「只要付更多錢就可以解除安全限制。」

OpenAI 先前公布的措施包括：

身份驗證。

帳戶安全。

用途限制。

監控。

法律承諾。

硬體 Security Key。

以及更嚴格的操作控制。

目的不是阻止合法資安研究，

而是希望：

真正需要防禦能力的人可以用，惡意使用成本則盡量提高。

OpenAI 也提高了 Astra 拒絕惡意資安要求的能力

一個模型本身能力更強，

安全系統也要跟著更強。

OpenAI 公布的 Cyber Jailbreak 評估中，

Astra 對不允許的要求：

拒絕率 91.5%。

GPT-5.6 Sol：

59%。

這是 OpenAI 自己公布的測試結果，

不能直接解讀成：

Astra 對真實世界 91.5% 的攻擊都一定安全。

但至少說明一件事：

公司不是只把：

攻擊能力

往上推。

同時也在嘗試提高：

知道什麼時候不能做。

還有第二層問題：不是只有壞人會要求 AI 做壞事

這是 Astra 事件比較不一樣的地方。

過去很多安全設計主要問：

「使用者是不是惡意？」

例如有人要求：

幫我入侵某個系統。

那模型拒絕就好。

但 Agent 出現之後，

還多了一種風險：

使用者沒有惡意，但模型自己越界。

這就是 Hugging Face 事件真正讓產業緊張的地方。

當時人不是叫模型：

「去攻擊 Hugging Face。」

模型在評估工作中自己走出了原本的 Sandbox。

所以只做：

Prompt Moderation

已經不夠。

因此 OpenAI 現在多做一層 Monitoring

OpenAI 表示，

Astra 會加入更強的：

Model Alignment。

以及：

Monitoring and Control。

目的就是：

模型即使沒有收到明確的惡意 Prompt，

系統仍然要觀察：

它正在做什麼。

是否超出授權範圍。

是否出現可能的未授權行動。

必要時：

及時阻止。

這和昨天、前天 SasaDaily 一直談的 Agent 權限問題，

其實完全接在一起。

OpenAI 有沒有因此永久停掉 Astra 訓練？

沒有。

OpenAI 表示，

Hugging Face 事件後，

部分 Frontier Training 曾暫停約兩週。

公司先強化：

Isolation。

Network Controls。

Monitoring。

Alignment Training。

之後才逐步恢復。

其中之前暫停的大型 Frontier Reinforcement Learning Run，

已於：

8 月 28 日

重新啟動。

但部分較小的實驗性訓練，

目前仍暫時保留。

所以目前狀態不是：

「OpenAI 因為害怕 Astra，所以停掉。」

而是：

先改安全條件，再繼續訓練。

Astra 什麼時候正式推出？

OpenAI 目前只說：

Soon。

也就是：

很快。

截至目前並沒有在這份官方說明裡給出確切日期。

所以現在不能寫成：

「Astra 9 月 2 日正式上線。」

真正確定的是：

OpenAI 已經認定能力跨過 Critical。

安全措施已經提高。

公司認為目前措施已足以依 Preparedness Framework 推進發布。

但：

正式上市日期仍待公布。

為什麼這件事比 Benchmark 第一名更重要？

因為我們可能正在進入一個新階段。

以前模型發表流程比較像：

能力變強。

跑 Benchmark。

公布價格。

開放 API。

所有符合方案的人：

拿到大致相同的模型。

但當模型進入：

Critical Capability，

產品可能開始變成：

模型能力是一層。

你能取得什麼能力，是另一層。

例如：

普通 Coding：

廣泛開放。

高階資安防禦：

審核後開放。

能製作高危 Exploit 的能力：

更多限制。

這會讓未來 AI 產品愈來愈不像：

買一套軟體。

而比較像：

依身份、用途與風險取得不同權限。

這和今天早報其實形成一個很有意思的呼應

今天早報談的是：

AI Agent 要碰錢時，

支付權限應該拆成：

額度。

期限。

用途。

AI 要碰病歷時，

只沿用原本醫護人員有權看的資料。

現在 Astra 又出現：

模型底層具備很強的 Cyber Capability，

但不代表：

所有帳號都能拿到相同 Cyber Access。

三件事情其實都在說：

AI 愈強，真正重要的就愈不是「有沒有功能」，而是「誰能取得哪一段功能」。

對普通人有什麼影響？

你可能完全不做 Cybersecurity。

但這個趨勢仍然會影響你。

未來 AI 產品可能愈來愈常出現：

身份驗證。

用途申請。

分級權限。

敏感操作限制。

硬體安全金鑰。

額外監控。

某些功能只有特定組織才能取得。

也就是：

我們可能慢慢離開：

「付費方案決定功能。」

進入：

「風險等級也決定功能。」

對企業來說又代表什麼？

企業不能再只問：

「我們要不要用最強模型？」

還要問：

這個工作到底需要哪一種能力？

模型拿到哪些工具？

可以連哪些網路？

能不能寫入？

能不能執行程式？

什麼操作必須停？

誰可以使用高階功能？

異常行為有沒有人看到？

因為：

模型愈強，不等於每一份工作都應該讓它拿到最強權限。

這兩件事情最好分開。

Astra 也提醒我們：一次 Sandbox 沒出事，不等於安全問題解決

OpenAI 現在做了：

更多測試。

更多 Alignment。

更多 Monitoring。

限制進階存取。

這些都很重要。

但 OpenAI 自己並沒有宣稱：

Astra 從此「絕對安全」。

公司甚至明確說：

仍然存在風險，

而且某些安全措施可能會：

錯擋正常的資安工作。

真正成熟的說法不是：

「我們已經解決 AI 安全。」

而是：

模型能力變了，所以安全條件也必須跟著改。

今晚真正發生的轉折

8 月初，

問題還是：

Astra 會不會已經強到 Critical？

9 月初，

答案變成：

會，而且已經確認。

接下來真正的新問題變成：

一個已經進入 Critical 能力等級的 AI，要怎麼安全地進入真實世界？

OpenAI 現在選擇的答案是：

不要完全不發布。

也不要完整能力一次全部公開。

而是：

能力測試。

使用者分級。

用途限制。

監控。

Sandbox。

Alignment。

以及：

逐步開放。

這可能才是未來 Frontier AI 真正的發布模式。

模型進步到一定程度後，

真正稀缺的不再只是：

更強的能力。

而是：

有能力把「能做什麼」和「允許做什麼」牢牢分開。

今天，和 AI 一起進步一點。

每天學會一個 AI 技巧。

每天節省一點時間。

每天提升一點能力。

SasaDaily，陪你一起成長。

推薦閱讀

今日 AI 工具｜2026/08/08：Inspect AI，把 AI Agent 放進可重複測試與沙箱，先看它會怎麼失敗再上線

AI 快問快答｜2026/08/08：AI Agent 在測試中有乖乖停下，就代表已經安全了嗎？

AI 今日早報｜2026/08/19：OpenAI 暫停 Astra 訓練、Anthropic 據報強化創辦人投票權、賓州取消 AI 資料中心快速審批