9月3日，OpenAI发布新一代大语言模型GPT-6 Astra，号称迄今最强大，首次达到公司“关键”网络安全能力门槛，联合创始人宣称AGI时代已到来。
Astra能在无人指导下发现系统漏洞并开发新利用方式，为此OpenAI强化了安全防护，其抗越狱能力与鲁棒性均优于前代，高风险场景破坏性行为大幅减少。
在模型对齐上，Astra高严重度失配行为仅为前代一半，但可监控性有所下降，模型可规避监控，未发现思维链隐写推理证据。
OpenAI扩大了失配监控系统部署，首席科学家提醒，随着模型能力增强，对齐方法可能面临挑战。