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
文 | AI唱反调 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。