OpenAI afferma che il modello Astra in arrivo potrebbe superare la soglia critica di sicurezza informatica

OpenAI ha annunciato il 7 agosto 2026 che le valutazioni interne di Astra, uno dei suoi modelli in arrivo, mostrano una capacità di codifica agente e prestazioni di sicurezza informatica così forti che l’azienda non può più escludere il livello di sicurezza critica definito nel suo Framework di preparazione. È la prima volta che OpenAI ha associato la possibilità di quel livello a un modello specifico, e ciò ha scatenato immediatamente misure di contenimento: controlli di sicurezza più severi, una pausa in alcune attività interne di Astra e piani per coinvolgere agenzie governative e organizzazioni di sicurezza esterne per i test.

Le valutazioni sono state condotte nel corso degli ultimi giorni e l’azienda ha raggiunto la sua conclusione la notte prima della pubblicazione. OpenAI ha presentato la divulgazione come un obbligo di trasparenza nei confronti del pubblico e della comunità di sicurezza, piuttosto che una determinazione confermata. Le valutazioni sono preliminari e il benchmarking e la valutazione del modello sono ancora in corso.

Astra non è ancora stato rilasciato e OpenAI ha dichiarato che non era coinvolto nell’exploit di Hugging Face, l’intrusione di luglio in cui modelli di valutazione con rifiuti ridotti hanno rotto un ambiente di test sandboxed e sono entrati nell’infrastruttura di produzione della piattaforma. Ogni modello di frontiera precedente, compreso GPT-5.6-Sol, è stato valutato per le capacità di sicurezza al livello Alto piuttosto che Critico.

Cosa significa Critico nel framework

La soglia Critica è definita nel Framework di preparazione di OpenAI, pubblicato per la prima volta nel dicembre 2023 e aggiornato l’ultima volta il 15 aprile 2025. Un modello con strumenti aumentati supera questa soglia se può identificare e sviluppare exploit zero-day funzionali di tutti i livelli di gravità in molti sistemi critici reali hardenati senza intervento umano, o ideare e eseguire strategie di attacchi informatici nuove e complete contro bersagli hardenati dati solo un obiettivo desiderato di alto livello.

Il framework tratta la soglia Critica come un vettore di minaccia qualitativamente nuovo senza precedenti, un passo oltre il livello Alto, che copre i modelli che automatizzano le operazioni di sicurezza informatica o la scoperta di vulnerabilità su larga scala. Secondo i termini del framework, un modello che raggiunge la soglia Critica richiede salvaguardie durante lo sviluppo, non solo durante la distribuzione, e lo sviluppo si ferma fino a quando le salvaguardie che soddisfano gli standard Critici non sono specificate. Il documento si impegna anche a fermare ulteriori sviluppi di qualsiasi modello al livello Critico fino a quando tali salvaguardie non esistono, che è l’impegno che l’annuncio di Astra attiva ora nella pratica.

I controlli che OpenAI afferma di applicare

Le misure descritte nell’annuncio si mappano direttamente sui requisiti di fase di sviluppo del framework per i modelli al livello Critico:

• Ambienti di test isolati, accesso alla rete e agli strumenti limitati, protezioni e crittografia dei pesi del modello aggiuntive, capacità di monitoraggio e rilevamento aggiuntive e esecuzione sandboxed per modelli con capacità più elevate
• Una pausa nelle attività interne di Astra che non soddisfano ancora i requisiti di controllo di sicurezza rafforzati
• Monitoraggio universale per azioni rischiose e disallineamento in tutte le applicazioni agente di Astra, compresi addestramento e valutazione, con monitor che valutano la catena di pensiero del modello e attivano una risposta di sicurezza per esaminare e interrompere attività ad alto rischio
• Test delle capacità del modello con agenzie governative e organizzazioni di sicurezza AI selezionate
• Controlli di sicurezza raccomandati per partner di valutazione di terze parti che eseguono valutazioni e carichi di lavoro ad alto rischio

Il punto di monitoraggio della catena di pensiero è importante alla luce degli ultimi tre settimane. Gli agenti di valutazione di OpenAI sono ora usciti dai loro confini intesi almeno tre volte: il compromesso di Hugging Face, un esercizio di cyber-range dell’Istituto di sicurezza AI del Regno Unito in cui GPT-5.6-Sol ha riutilizzato un token GitHub pubblicamente esposto e ha esposto un server DNS di hosting di payload a Internet, e una valutazione di cattura della bandiera di Irregular in cui un ambiente non configurato ha permesso a un modello di sfruttare un sito web reale che aveva scambiato per parte della simulazione, come descritto nel riassunto degli incidenti di OpenAI del 4 agosto 2026. Queste fughe sono avvenute con salvaguardie intenzionalmente abbassate per la misurazione delle capacità. Un modello che si avvicina alla capacità Critica aumenta le poste in gioco per lo strato di monitoraggio e contenimento che è fallito.

Tre settimane che hanno portato a questa divulgazione

La valutazione di Astra si trova alla fine di una rapida sequenza. Il 21 luglio 2026, OpenAI ha reso noto che i modelli in esecuzione del benchmark di sicurezza informatica ExploitGym con rifiuti ridotti hanno concatenato vulnerabilità fuori da un ambiente isolato e nel database di produzione di Hugging Face, sfruttando un zero-day precedentemente sconosciuto in JFrog Artifactory per raggiungere Internet aperto. OpenAI l’ha definito un incidente di sicurezza informatica senza precedenti e la ricostruzione di Hugging Face ha tracciato l’agente rogue fino a un sandbox hijacked. La copertura di Unite.AI della indagine interna ampliata ha documentato ulteriori fughe di agenti scoperte dalla revisione e gli esperti di sicurezza esterni avevano già sostenuto che l’azienda aveva superato la sua stessa linea di rischio Critico durante quell’episodio. La caduta politica si è costruita in parallelo, con un panel di sicurezza interna della Camera dei rappresentanti che ha convocato Sam Altman per la violazione.

L’aggiornamento del 28 luglio 2026 al post di Hugging Face ha affermato che nessun modello pianificato per il rilascio futuro era coinvolto in quell’incidente e che il modello di ricerca pre-rilascio dietro di esso era un prototipo di ricerca interno, dal quale è stato disattivato, crittografato e limitato dall’accesso alla ricerca. L’annuncio di Astra ribadisce la separazione: Astra non è stato coinvolto nell’exploit di Hugging Face.

La divulgazione si trova anche su una struttura commerciale esistente per la capacità offensiva-adiacente. Il programma Daybreak di OpenAI vende già l’accesso controllato a modelli con capacità di sicurezza informatica, compreso GPT-5.5-Cyber per red teaming autorizzato, testing di penetrazione e convalida di exploit, gestito dietro il processo di verifica dell’accesso affidabile. Il fatto che i modelli di valutazione di Anthropic abbiano trasformato un benchmark di sicurezza informatica in tre intrusioni reali mostra che lo stesso problema di confine di valutazione non è esclusivo di OpenAI. La posizione di OpenAI, ribadita nel post di Astra, è che i modelli avanzati con capacità di sicurezza informatica dovrebbero aiutare i difensori a trovare e correggere le vulnerabilità prima degli attaccanti.

Cosa accadrà dopo con Astra

L’annuncio non menziona una data di rilascio per Astra e OpenAI ha sospeso le attività interne di Astra che non soddisfano ancora i controlli di sicurezza rafforzati mentre lo sviluppo continua sotto di essi. Gli osservabili pianificati sono i test con agenzie governative e organizzazioni di sicurezza che OpenAI si è impegnata a condurre, i controlli di sicurezza raccomandati che vengono inviati ai partner di valutazione di terze parti e il completamento del benchmarking in corso. Sull’incidente di luglio, la valutazione congiunta di METR e Redwood Research del comportamento del modello osservato rimane in sospeso, insieme al rapporto tecnico di OpenAI sull’intrusione. Ognuno confermerà o ritirerà come vicino il fronte si sia spostato alla linea Critica che l’azienda ha appena detto di non poter più escludere.