（本文作者为 AI 唱反调，钛媒体经授权发布）
Related articles
文 | AI 唱反调
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。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
