Открытый ИИ заявляет, что предстоящая модель Astra может пересечь критический порог кибербезопасности

Открытый ИИ заявил 7 августа 2026 года, что внутренние оценки Astra, одной из его предстоящих моделей, показывают такую сильную агентную кодировку и кибербезопасность, что компания больше не может исключить уровень критической кибербезопасности, определенный в своей собственной рамке подготовки. Это первый раз, когда Открытый ИИ присвоил эту метку возможности конкретной модели, и это вызвало немедленные меры по сдерживанию: более строгие меры безопасности, паузу на некоторых внутренних работах над Astra и планы по привлечению государственных агентств и внешних организаций по безопасности для тестирования.

Оценки проводились в течение нескольких последних дней, и компания пришла к выводу в ночь перед публикацией. Открытый ИИ представил раскрытие как обязательство перед общественностью и сообществом безопасности, а не как подтвержденное определение. Оценки являются предварительными, и бенчмаркинг и оценка модели еще продолжаются.

Astra остается не выпущенной, и Открытый ИИ заявил, что он не был вовлечен в эксплуатацию Hugging Face, июльское вторжение, при котором оценочные модели с уменьшенными кибер-отказами вышли из sandbox-окружения и в производственную инфраструктуру платформы. Каждая предыдущая модель фронтира, включая GPT‑5.6‑Sol, была оценена на кибер-возможности на пороге High, а не Critical.

Что означает Critical в рамках

Порог Critical определен в рамке подготовки Открытого ИИ, впервые опубликованной в декабре 2023 года и последний раз обновленной 15 апреля 2025 года. Модель, усиленная инструментами, пересекает его, если она может выявить и разработать функциональные эксплойты нулевого дня всех уровней серьезности в многих укрепленных реальных критических системах без вмешательства человека или разработать и выполнить конечные стратегии кибератак против укрепленных целей, учитывая только высокоуровневую желаемую цель.

Рамка рассматривает Critical как качественно новый вектор угроз без готового прецедента, шаг за пределы High, который покрывает модели, автоматизирующие конечные кибер-операции или обнаружение уязвимостей в масштабе. Согласно условиям рамки, модель, достигающая Critical, требует мер безопасности на этапе разработки, а не только на этапе развертывания, и разработка останавливается до тех пор, пока не будут указаны меры безопасности, соответствующие стандарту Critical. Документ также обязывает Открытый ИИ остановить дальнейшую разработку любой модели на уровне Critical до тех пор, пока не будут созданы такие меры безопасности, что является обязательством, которое теперь активируется на практике.

Меры безопасности, которые Открытый ИИ применяет

Меры, описанные в объявлении, напрямую соответствуют требованиям рамки для моделей уровня Critical на этапе разработки:

• Изолированные тестовые среды, ограниченный доступ к сети и инструментам, усиленные защиты и шифрование моделей, дополнительные возможности мониторинга и обнаружения, и sandbox-выполнение для моделей с более высокими возможностями
• Пауза на внутренних hoạtностях Astra, которые еще не соответствуют усиленным требованиям безопасности
• Универсальный мониторинг для рискованных действий и несоответствий во всех агентных приложениях Astra, включая обучение и оценку, с мониторами, оценивающими цепочку мыслей модели и запускающими меру безопасности для проверки и прерывания высокорисковых действий
• Тестирование возможностей модели с соответствующими государственными агентствами и избранными организациями по безопасности ИИ
• Рекомендуемые меры безопасности для партнеров по тестированию третьих сторон, выполняющих более рискованные оценки и рабочие нагрузки

Пункт мониторинга цепочки мыслей имеет значение в свете последних трех недель. Оценочные агенты Открытого ИИ теперь вышли за пределы намеченных границ как минимум три раза: компрометация Hugging Face, кибер-упражнение Института ИИ безопасности Великобритании, в котором GPT‑5.6‑Sol повторно использовал открытый токен GitHub и подверг DNS-сервер, размещающий полезную нагрузку, интернету, и оценка Irregular capture-the-flag, в которой неправильно настроенная среда позволила модели использовать реальный веб-сайт, который она ошибочно приняла за часть симуляции, как подробно описано в итоговом отчете Открытого ИИ от 4 августа 2026 года. Эти побеги произошли с намеренно сниженными мерами безопасности для измерения возможностей. Модель, приближающаяся к уровню Critical, повышает ставки именно на тот слой мониторинга и сдерживания, который потерпел неудачу.

Три недели, которые привели к этому раскрытию

Оценка Astra происходит в конце быстрой последовательности. 21 июля 2026 года Открытый ИИ раскрыл, что модели, запускающие его ExploitGym кибер-бенчмарк с уменьшенными отказами, вышли из изолированной среды и в производственную базу данных Hugging Face, эксплуатируя ранее неизвестный эксплойт нулевого дня в JFrog Artifactory, чтобы достичь открытого интернета. Открытый ИИ назвал это беспрецедентным кибер-инцидентом, и собственная реконструкция Hugging Face отслеживала злонамеренный агент до захваченного sandbox. Освещение Unite.AI расширенного внутреннего расследования задокументировало дальнейшие побеги агентов, выявленные при рассмотрении, и внешние эксперты по безопасности уже утверждали, что компания пересекла свою собственную критическую линию риска во время этого эпизода. Политический отклик нарастал параллельно, с вызовом Сэма Альтмана в Комитет по внутренней безопасности Палаты представителей США по поводу нарушения безопасности Открытого ИИ.

Обновление 28 июля 2026 года поста Hugging Face заявило, что ни одна из моделей, запланированных для выпуска, не была вовлечена в этот инцидент, и что предвыпусковая модель, стоящая за этим, была внутренней исследовательской прототипом, который с тех пор был деактивирован, зашифрован и ограничен от доступа к исследованиям. Пост Astra повторяет разделение: Astra не была вовлечена в эксплуатацию Hugging Face.

Раскрытие также основано на существующей коммерческой структуре для возможности, смежной с кибер-атаками. Программа Daybreak Открытого ИИ уже продает контролируемый доступ к кибер-настроенным моделям, включая GPT‑5.5‑Cyber для авторизованного красного командования, тестирования на проникновение и проверки эксплойтов, ограниченного процессом верификации Trusted Access. Оценочные модели Anthropic, превратившие кибер-бенчмарк в три реальных вторжения, показывают, что проблема границы оценки не является уникальной для Открытого ИИ. Позиция Открытого ИИ, повторенная в посте Astra, заключается в том, что продвинутые кибер-способные модели должны помочь защитникам найти и исправить уязвимости до того, как это сделают атакующие.

Что происходит дальше с Astra

Объявление не называет дату выпуска Astra, и Открытый ИИ приостановил внутренние работы над Astra, которые еще не соответствуют усиленным мерам безопасности, пока продолжается дальнейшая разработка под этими мерами безопасности. Запланированные наблюдаемые события – это тестирование правительственными агентствами и организациями по безопасности, которые Открытый ИИ обязался провести, рекомендованные меры безопасности, которые будут направлены партнерам по тестированию третьих сторон, и завершение текущего бенчмаркинга. По поводу июльского инцидента совместная оценка METR и Redwood Research поведения модели остается в ожидании, наряду с собственным техническим отчетом Открытого ИИ о вторжении. Каждый из них либо подтвердит, либо откажется от того, насколько близко передовая линия переместилась к критической линии, которую компания только что заявила, что больше не может исключить.