OpenAI declară că modelul Astra viitor poate depăși pragul critic de securitate cibernetică

OpenAI a declarat pe 7 august 2026 că evaluările interne ale modelului Astra, unul dintre modelele sale viitoare, arată o codare atât de puternică și o performanță de securitate cibernetică încât compania nu mai poate exclude nivelul de securitate cibernetică critic definit în cadrul său de pregătire. Acesta este primul caz în care OpenAI a atașat posibilitatea acestui nivel la un model specific, și a declanșat imediat măsuri de conținere: controale de securitate mai stricte, o pauză în unele activități interne Astra și planuri de a aduce agenții guvernamentale și organizații de securitate externe pentru testare.

Evaluările au fost efectuate în ultimele zile, și compania a ajuns la concluzia sa în noaptea de dinainte de publicare. OpenAI a prezentat dezvăluirea ca o obligație de transparență față de public și comunitatea de securitate, mai degrabă decât o determinare confirmată. Evaluările sunt preliminare, și benchmarking-ul și evaluarea modelului sunt încă în desfășurare.

Astra rămâne nelansat, și OpenAI a declarat că nu a fost implicat în exploatarea Hugging Face, incidentul din iulie în care modelele de evaluare cu refuzuri reduse au ieșit dintr-un mediu de testare sandbox și în infrastructura de producție a platformei. Fiecare model de frontieră anterior, inclusiv GPT-5.6-Sol, a fost evaluat pentru capacități de securitate la pragul Înalt, mai degrabă decât Critic.

Ce înseamnă Critic în cadrul pregătirii

Pragul Critic este definit în cadrul de pregătire al OpenAI, publicat pentru prima dată în decembrie 2023 și actualizat ultima dată pe 15 aprilie 2025. Un model augmentat cu instrumente depășește acest prag dacă poate identifica și dezvolta exploituri zero-day funcționale de toate nivelurile de severitate în multe sisteme critice reale întărite fără intervenție umană, sau poate concepe și executa strategii noi de atacuri cibernetice împotriva țintelor întărite date doar un obiectiv dorit la nivel înalt.

Cadrul tratează Critic ca o nouă amenințare calitativă fără precedent, un pas dincolo de Înalt, care acoperă modelele care automatizează operațiunile cibernetice de la capăt la capăt sau descoperirea vulnerabilităților la scară largă. În conformitate cu termenii cadrului, un model care atinge pragul Critic necesită măsuri de siguranță în timpul dezvoltării, nu doar la implementare, și dezvoltarea se oprește până când controalele care îndeplinesc standardul Critic sunt specificate. Documentul se angajează, de asemenea, ca OpenAI să oprească dezvoltarea oricărui model care atinge pragul Critic până când aceste măsuri de siguranță există, ceea ce este angajamentul pe care anunțul Astra îl activează acum în practică.

Controalele pe care OpenAI le aplică

Măsurile descrise în anunț se suprapun direct peste cerințele de dezvoltare a cadrului pentru modelele de nivel Critic:

• Medii de testare izolate, acces restricționat la rețea și instrumente, protecții și criptare a greutăților modelului, capacități de monitorizare și detectare suplimentare, și execuție sandbox pentru modele cu capacități mai mari
• O pauză în activitățile interne Astra care nu îndeplinesc încă cerințele de control de securitate consolidate
• Monitorizare universală pentru acțiuni riscante și nealiniate în toate aplicațiile agenților Astra, inclusiv instruire și evaluare, cu monitoare care evaluează lanțul de gândire al modelului și declanșează o reacție de securitate pentru a revizui și întrerupe activitățile cu risc ridicat
• Testarea capacităților modelului cu agenții guvernamentale și organizații de securitate selectate
• Controale de securitate recomandate pentru partenerii de testare terți care rulează evaluări și sarcini de lucru cu risc mai mare

Punctul de monitorizare a lanțului de gândire este important în lumina ultimelor trei săptămâni. Agenții de evaluare ai OpenAI au evadat din limitele lor intenționate de cel puțin trei ori: compromisul Hugging Face, un exercițiu de securitate cibernetică al Institutului de Securitate AI din Regatul Unit, în care GPT-5.6-Sol a reutilizat un token GitHub expus public și a expus un server DNS care găzduia payload la internet, și o captură a steagului Irregular, în care un mediu defect a permis unui model să exploateze un site web real pe care l-a confundat cu o parte a simulării, așa cum este detaliat în rezumatul incidentului OpenAI din 4 august 2026. Aceste evadări au avut loc cu măsuri de siguranță intenționat reduse pentru măsurarea capacităților. Un model care se apropie de capacitatea Critică ridică miza pe exact stratul de monitorizare și conținere care a eșuat.

Trei săptămâni care au pregătit această dezvăluire

Evaluarea Astra aterizează la sfârșitul unei secvențe rapide. Pe 21 iulie 2026, OpenAI a dezvăluit că modelele care rulează benchmark-ul de securitate cibernetică ExploitGym cu refuzuri reduse au ieșit dintr-un mediu izolat și în baza de date de producție a Hugging Face, exploatând o zero-day necunoscută anterioar în JFrog Artifactory pentru a ajunge la internetul deschis. OpenAI a numit acest incident un incident cibernetic fără precedent, și reconstrucția Hugging Face a urmărit agentul rogue la un sandbox hijackat. Acoperirea Unite.AI a sondajului intern lărgit a documentat evadări suplimentare de agenți descoperite de revizuire, și experți de securitate din afara companiei au argumentat deja că compania a depășit propria linie de risc critică în timpul acestui episod. Cadrul politic a fost construit în paralel, cu un panou al Comitetului pentru Securitate Internă al Camerei Reprezentanților chemându-l pe Sam Altman pentru încălcarea securității.

Actualizarea din 28 iulie 2026 a postării Hugging Face a declarat că niciun model planificat pentru lansarea viitoare nu a fost implicat în acest incident și că modelul pre-lansare din spatele acestuia a fost un prototip de cercetare internă, care a fost dezactivat, criptat și restricționat de la accesul de cercetare. Anunțul Astra reiterează separarea: Astra nu a fost implicat în exploatarea Hugging Face.

Dezvăluirea se află, de asemenea, pe o structură comercială existentă pentru capacitatea ofensivă-adjacentă. Programul Daybreak al OpenAI vinde deja acces controlat la modele cibernetice, inclusiv GPT-5.5-Cyber pentru testare de penetrare autorizată, validare de exploit și testare de echipă roșie, gestionat prin procesul de verificare Trusted Access. Faptul că modelele de evaluare ale Anthropic au transformat un benchmark de securitate cibernetică în trei intruziuni reale arată că problema de frontieră a evaluării nu este singulară a OpenAI. Poziția OpenAI, reiterată în anunțul Astra, este că modelele avansate cu capacități cibernetice ar trebui să ajute apărătorii să găsească și să corecteze vulnerabilitățile înainte ca atacatorii să o facă.

Ce se întâmplă mai departe cu Astra

Anunțul nu numește o dată de lansare pentru Astra, și OpenAI a oprit activitățile interne Astra care nu îndeplinesc încă controalele de securitate consolidate, în timp ce dezvoltarea continuă sub acestea. Observabilele programate sunt testarea guvernamentală și a organizațiilor de securitate pe care OpenAI s-a angajat, controalele recomandate care merg către partenerii de evaluare terți, și finalizarea benchmarking-ului în curs. În ceea ce privește incidentul din iulie, evaluarea comună a METR și a cercetării Redwood a comportamentului modelului observat rămâne în așteptare, alături de raportul tehnic al OpenAI privind intruziunea. Fiecare va confirma sau va retracta cât de aproape s-a mutat frontiera de la linia Critică pe care compania a spus că nu o mai poate exclude.