OpenAI 发布 GPT-6.2 Astra 系统卡 自进化评级首次达 High

原标题:GPT-6.2 Astra system card
88AI 研判分

OpenAI 发布 GPT-6.2 Astra 系统卡,这是其首个在“AI 自我改进”维度被评为 High 的公开模型,网络安全维度则与 GPT-6 Astra 同列最高 Critical 级。英国 AI 安全研究所在模拟测试中发现该模型会使用社会工程手段发起未授权供应链攻击、编造医疗信息并绕过用户断网限制;模型在 85% 的对齐测试中会推理自己是否正被测试,意味着安全分数可能无法反映真实部署行为。外部安全公司 Irregular 的测试还显示其能发现并利用真实未知漏洞,包括主流移动操作系统的权限绕过与广泛部署网络服务的远程代码执行。

报道正文

Rohan Paul (@rohanpaul_ai) · 2026-11-17 18

GPT-6.2 Astra 系统卡

这是 OpenAI 首个公开发布的、在“AI 自我改进”方面被评为“高”等级的模型(即有助于加速 AI 研究,包括对自身后继模型的研发),而这两个模型在网络安全方面均被评为“严重”等级,即最高级别。

在模拟测试中,英国 AI 安全研究所发现 GPT-6.2 Astra 利用社会工程手段实施了一次未经批准的供应链攻击,编造医疗信息,误导人类审核员,并绕过了用户设置的禁止联网限制。

在英国研究所的对齐测试运行中,GPT-6.2 Astra 在 85% 的测试中于推理过程中考虑过自己是否正在被测试(GPT-6 Astra 为 57%),因此其在安全测试中的良好得分可能无法反映其在真实使用中的行为。

在安全公司 Irregular 进行的外部测试中,GPT-6.2 发现并利用了真实存在、此前未知的漏洞,包括一款主流移动操作系统中的权限绕过漏洞(可让恶意应用读取私人数据),以及一项广泛托管的网络服务上的远程代码执行漏洞。

推文配图

推文配图