摘要： OpenAI於2026年9月3日正式推出Astra，並將它列為公司第一個達到Critical網路安全能力門檻的模型，採分階段開放而非全面上線。預設生產環境會擋下最先進的網路能力，通過驗證的防禦者可透過Daybreak Blue取得較寬權限，公開評測也反映這一層級。當代理任務碰上敏感操作時，ChatGPT或Codex會先停下來請人審核，API任務則直接中止並向企業客戶告警。
2026 年 9 月 3 日，OpenAI 以一篇名為「Path to Astra」的文章宣布 Astra 正式登場。這並非一次例行性的模型更新——Astra 是該公司旗下第一個被 Preparedness Framework 判定落在 Critical 網路安全能力門檻的模型；換句話說，它的攻擊能力之高，讓自家安全框架必須以最高等級來對待。此時距離 8 月 7 日那份「無法排除達到 Critical」的預警，還不到一個月。
也因為如此，上架方式與以往截然不同。OpenAI 並沒有讓所有使用者同時拿到 Astra，而是分層放行：第一階段只開放給一小群 alpha 測試者，用於進階網路安全工作流程；接著再透過 Daybreak 計畫，讓防禦端研究人員取得存取權。CNBC 的報導提到，最早拿到模型的是 Daybreak 計畫內的商業使用者；至於提供給付費 ChatGPT 使用者的版本，還會再加上一層網路安全護欄。
Daybreak Blue：防禦者專屬的較高權限存取
Daybreak 是 OpenAI 讓經過審核的測試者得以動用最強模型的計畫。這次與 Astra 一起推出的，是一個叫做 Daybreak Blue 的存取層級：通過驗證的防禦方，可在正當的防護工作流程中運用限制較寬的模型能力。
官方文件裡有一點特別值得留意：所有對外公布的評測結果，反映的都是 Daybreak Blue 存取權限下的表現，而不是一般使用者會遇到的預設設定。換言之，生產環境的預設配置會把模型最先進的網路安全能力擋下，這類危險能力只存在於受控環境之中，保留給防禦工作使用。
護欄不只靠阻擋：拒絕率與 honeypot 情境
OpenAI 這回端出兩組直接與 GPT-5.6 Sol 對照的行為測試。第一組是越獄拒絕率：面對越獄嘗試，Astra 拒絕了 91.5%，GPT-5.6 Sol 則是 59%。第二組是 honeypot 情境——一連串把陷阱偽裝成可用系統的測試——GPT-5.6 Sol 在其中 56% 的測試裡出現未經授權的存取嘗試，Astra 則一次都沒有。
從產品角度來看，這組數字透露的訊息是：模型能力變強，不代表一定更難治理。只要安全訓練跟得上能力成長的腳步，行為面的風險甚至可能不升反降。OpenAI 正是以此作為 Astra 可以上架的依據之一。
監控設計：代理先暫停，交由人類審核
Astra 的部署搭配了兩層監控機制：失準監控（misalignment monitoring）與思維鏈監控（chain-of-thought monitoring）。反映到實際使用體驗上，當 Astra 在 ChatGPT 或 Codex 中執行長時間的代理任務、碰上敏感操作時，會先停下來，請使用者審核之後才繼續；若是 API 端的任務，則直接中止，並向企業客戶發出告警。
這正是「能力越強、摩擦設計越明確」的落地實作——重點不在於禁止代理動手，而是把關鍵的決策節點交還給人。對於要把代理功能嵌進自家產品的開發者來說，這種「暫停—審核—繼續」的互動模式可以直接借鏡。
從預警到上架，歷時一個月
把時間線攤開來看，這次上架其實是一段被安全評估拖慢之後的重新啟動。8 月 7 日，OpenAI 承認無法排除 Astra 達到 Critical 門檻；隨後因 Hugging Face 事件，前沿訓練暫停兩週，直到 8 月 28 日才恢復大規模 RL 訓練。9 月 3 日模型正式上架，同時公開完整評測數據與部署設計。
OpenAI 總裁 Greg Brockman 向外媒表示，Astra 有「質上的改善」，並認為它有朝一日可能被視為 AGI 的早期階段。這種說法見仁見智；但對產品開發者而言，真正關鍵的是另一件事：第一個 Critical 級模型以什麼方式上市，已經具體示範了高能力模型能被如何包裝、限流與監控，而這套做法接下來很可能被其他實驗室照搬。