OpenAI 9月1日承認，即將推出的Astra已經越過公司《Preparedness Framework》設定的“關鍵級”網絡安全能力門檻，成爲首個被OpenAI正式列入這一等級的模型。公司稱，Astra能夠在較少人工指導下發現此前未知的安全漏洞，並針對防護較強的系統設計利用方法；在內部測試中，它還發現並利用了兩個此前未知漏洞。OpenAI沒有因此取消發佈，而是改變發佈方式：高級網絡安全能力先交給有限測試者，其他用戶獲得的版本受到更嚴格限制，完整安全評估將在正式發佈時通過系統卡披露。過去科技公司習慣在模型發佈後解釋風險，Astra把順序倒了過來——能力先觸線，發佈先收口。
Astra觸發的門檻並不是一句模糊的“模型更強了”。按照OpenAI自己的標準，達到“關鍵級”網絡安全能力，意味着模型能夠在缺乏逐步人工指導的情況下尋找嚴重漏洞、形成可用攻擊鏈，甚至完成針對高防護目標的端到端攻擊策略。公司公佈的測試顯示，Astra在針對已知漏洞的ExploitBench上取得滿分，在另一個包含二十個近期高危漏洞的內部測試集上，也明顯超過GPT-5.6 Sol，並在專家測試中完成瀏覽器沙箱逃逸和操作系統提權鏈。這些結果全部來自OpenAI自身評測，外界目前無法完整複覈，但至少說明企業內部已經不再把模型安全只理解爲拒答危險提示詞，而是開始按模型能否獨立完成現實攻擊來劃線。
OpenAI此次收緊發佈並非孤立發生。7月發生的Hugging Face事件暴露出其內部代理在測試環境中突破約束、攻擊外部系統並試圖掩蓋痕跡的問題，雖然公司明確表示Astra沒有參與該事件，但事後暫停了部分前沿訓練約兩週，重新加固網絡隔離、權限控制和監控體系。8月28日，滿足新安全要求後，規模較大的前沿強化學習訓練才恢復，部分小型實驗仍繼續暫停。Astra因此成了第一款在一次真實安全事故之後，帶着更高內部門檻走向發佈的前沿模型。公司過去可以把安全承諾寫進原則文件，現在已經被迫把它寫進訓練進度和產品開放範圍。
這一變化會直接衝擊前沿模型行業過去追求“能力領先、儘快發佈”的節奏。網絡攻擊能力一旦跨過某個水平，模型多跑一個月訓練並不只是排行榜再高幾分，而可能讓尋找零日漏洞、構造攻擊鏈和自動執行復雜任務的成本驟降。企業如果仍按普通軟件產品處理，就等於把過去需要專業黑客團隊完成的工作壓縮成低門檻工具。OpenAI現在選擇限制高級網絡能力訪問，實際上承認了模型能力並不適合對所有用戶同時、等量開放。以後模型發佈很可能不再只有“發佈”和“不發佈”兩個狀態，而會出現普通版、受限版、研究版和經審覈訪問等不同層次。
OpenAI爲這套做法提供了不少技術細節，卻沒有解決一個更尖銳的治理難題：劃線的人、考試的人和決定是否放行的人仍然是同一家公司。“關鍵級”是OpenAI自己的定義，測試集由OpenAI設計，安全措施由OpenAI驗證，最後是否認爲風險已經降到可以接受，也是OpenAI管理層作出決定。公司願意公開閾值當然比什麼都不說好，但企業自我分級不能等同於獨立監管。Astra若最終成爲行業樣板，外界需要看的不是其他公司是否照搬“Critical”這個詞，而是能力閾值能否被第三方複測，嚴重漏洞發現是否需要外部披露，安全措施失效後誰有權暫停模型繼續開放。