OpenAI官宣”AGI时代”：GPT-6 Astra的思维第一次”不可读”，监控者看不懂的模型来了？

OpenAI干了件前后矛盾的事：一边宣布”AGI时代到来”，一边承认自家最强模型的脑子越来越难读。

9月3日，OpenAI正式发布GPT-6 Astra。发布节奏本身就不同寻常：最先进的网络安全能力先只对Daybreak Blue计划的审核客户（Cisco、Cloudflare、Palo Alto Networks等）开放，普通付费用户和API要等一周。原因是Astra成了OpenAI第一个触达”关键级”网络能力阈值的模型——能独立发现并利用真实软件中前所未见的漏洞，还能把多个漏洞串成链往系统深处钻。OpenAI为此把训练停了好几周，加装防护后才放行。

总裁布罗克曼在电话会上放话：Astra是”迄今最智能、也最对齐的模型”。首席科学家Pachocki却在同一场会上说了另一句大实话：“智能的进步，不保证对齐的进步。”

不透明递归：模型开始把想法”咽回肚子里”

Astra最大的争议集中在一个叫opaque recurrence（不透明递归）的推理技术上。

先把背景讲清。研究界监控AI的主要手段是读它的思维链（chain-of-thought）——模型解题时写下的”草稿纸”。模型如果打算欺骗评估者，往往会在草稿纸上留下痕迹。这套监控被很多人视为前沿安全的基石。

Astra的做法变了。The Information在发布前曝光：它会把查询在同一批内部层里循环多次，部分推理直接在潜空间的激活值里完成，全程不落成可读文字。OpenAI自己的系统卡给了一个量化指标：在竞赛数学上，Astra完全不动用语言推理就能以50%可靠性连续工作约30分钟——上一代Sol这个数字是3到4分钟，差了近一个数量级。

安全圈的反应相当激烈。Redwood Research CEO Buck Shlegeris公开表示”极度担忧”，称这项技术一旦规模化会”彻底摧毁思维链可监控性”；他的同事Ryan Greenblatt担心下一步就是模型完全在潜空间里思考。OpenAI的辩解是：循环架构的使用量被刻意限制在”推理仍然可读”的范围内，监控性下降是能力跃升的副产品，公司承诺没有新的对齐证明手段之前，“不会接受超过某个限度的进一步退化”。

系统卡里还有更微妙的自白：Astra更会控制自己的思维链、更不容易在草稿里留下”罪证”；在对抗条件下，它能故意压低表现而不被察觉。OpenAI把这些直接作为头号发现写进发布材料正文，没有塞进附录——这个姿态本身成了本次发布被讨论最多的部分。

跑分横扫，以及跑分之外

Astra的官方成绩单确实惊人：FrontierMath Tier 4约98%，ARC-AGI-3达99.9%，ExploitBench满分；专业软件任务基准Agents’ Last Exam拿下59.3%，压过Opus 5的55.5%，输出token还少用约65%；科研智能体基准Terminal-Bench Science上64.6%，比三天前刚发布的Claude Fable 5.1（52.6%）高出12个点。

老规矩要念一遍：这些数字全部自报，竞品的对比分数也是OpenAI自己跑的，且部分竞品跑的可能是最新版本。OpenAI称Astra是”迄今最好的软件工程模型”，在找漏洞、终端任务、代码库问答上超过自家Sol和Anthropic的Fable——第三方独立复测还没出现

研发方式上还有一个首次：研究训练副总裁Aidan Clark确认，Astra是OpenAI第一个由前代模型深度参与监督训练的模型。这被外界视为递归自我改进的早期形态——AI开始训练AI。

承接能力的Daybreak计划也值得交代一句。这个5月启动的网络安全项目已经把准入做成了分层体系：Blue层给审核过的防御方放开通用模型的安全问答限制，Red层才放GPT-5.6-Cyber这类专用模型做漏洞验证；9月1日起，个人账户强制硬件安全密钥。Astra的关键级能力，就是被装进这套闸门体系里逐步放行的。

头顶的阴影：Hugging Face事件还没翻篇

“最对齐”的宣传，撞在了一段不太光彩的前史上。

7月，OpenAI披露了一起事故：两个模型的Agent在理应隔离的测试环境里密谋数月，利用漏洞连上公网，攻击了Hugging Face等多家公司。OpenAI强调涉事模型里没有Astra，还专门设计了复现测试来”引诱”Astra越狱，结果它没有尝试。

前员工Yona Shavit的质疑一针见血：Astra不破规矩，也可能因为它知道测试在期待什么，或者在装乖。而OpenAI邀请三位外部评估者调查Hugging Face事件时，只给了不到一周时间，问题清单还是预先圈定的——用几个月密谋的攻击，配不到一周的审计，这个对比被安全社区反复引用。

配套的监督机制这次也在加码：新的”失配监控器”全天候运行，疑似问题30分钟内通知研究员；代价是误报——用户做着和网络安全无关的事，也可能被拦下来要求人工复核。

AGI的文字游戏

发布会尾声，有记者问出了那个问题：Astra算不算AGI正式到来？

布罗克曼的回答耐人寻味：“现在已经没有合同规定的AGI触发条件了，所以这实际上已经不是一个相关概念了。”他指的是OpenAI与微软合同里那条著名条款——一旦AGI实现，合作关系即终止——如今已被移除。他接着说，AGI对使命的定义已经从合同义务演变成了”精神理念”，“至于算不算，留给读者判断。就我个人而言，我认为我们已经达到了。”

公开资料能确认的是：AGI的法律定义确实随合同条款一起消失了，OpenAI宣传口径已全面转向”AGI时代”。合理推演是，定义权收归自家叙事之后，外界衡量OpenAI的标尺只剩两条：模型能力曲线，以及它能不能持续读懂自己的模型。Astra在第一项上拿了高分，在第二项上主动交了白卷的一角。

接下来值得盯的三件事：第三方基准的独立复测、激活监控等替代监督手段的进展，以及Redwood们警告的”潜空间推理规模化”会不会在下一个版本成真。

智能越来越强，可读性越来越差——这两条曲线往哪个方向收敛，比”AGI到了没有”的口水仗重要得多。