OpenAI заявляє, що майбутня модель Astra може перетнути критичний поріг кібербезпеки

OpenAI заявила 7 серпня 2026 року, що внутрішні оцінки Astra, однієї з майбутніх моделей, показали такі сильні агентські кодування та кібербезпеку, що компанія не може більше виключити рівень критичної кібербезпеки, визначений у своєму власному Підготовчому кадровому складі. Це перший раз, коли OpenAI прикріпила цю мітку до конкретної моделі, і це спровокувало негайні заходи ізоляції: суворіші заходи безпеки, паузу на деяких внутрішніх роботах Astra та плани залучення урядових агентств та зовнішніх організацій з безпеки для тестування.

Оцінки проходили протягом останніх кількох днів, і компанія прийшла до свого висновку в ніч перед публікацією. OpenAI представила це розголошення як обов’язок прозорості перед громадськістю та спільнотою безпеки, а не підтверджену оцінку. Оцінки є попередніми, а бенчмаркінг та оцінка моделі ще тривають.

Astra залишається невиданою, і OpenAI заявила, що вона не була залучена до експлуатації Hugging Face, липня інциденту, під час якого оціночні моделі з зменшеними кібер-відмовами вийшли з ізольованого тестового середовища та в інфраструктуру виробництва платформи. Кожна попередня модель фронтиру, включаючи GPT‑5.6‑Sol, була оцінена за кібер-здатностями на рівні High, а не Critical.

Що означає критичний рівень під час роботи з кадровим складом

Критичний рівень визначається у Підготовчому кадровому складі OpenAI, вперше опублікованому у грудні 2023 року та останній раз оновленому 15 квітня 2025 року. Інструментально розширена модель перетинає цей рівень, якщо вона може ідентифікувати та розробити функціональні експлойти всіх рівнів важливості в багатьох укріплених реальних критичних системах без втручання людини, або розробити та виконати кінцеві нові стратегії кібератак проти укріплених цілей, маючи лише високорівневу бажану мету.

Кадровий склад розглядає критичний рівень як якісно новий вектор загрози без попереднього прецеденту, крок за межі рівня High, який охоплює моделі, які автоматизують кінцеві кібер-операції або виявлення уразливості у великому масштабі. За власними термінами кадрового складу, модель, яка досягає критичного рівня, потребує заходів безпеки під час розробки, а не лише під час розгортання, і розробка зупиняється до тих пір, поки не будуть визначені заходи безпеки, які відповідають критичному стандарту. Документ також зобов’язує OpenAI зупинити подальшу розробку будь-якої моделі на рівні критичної межі, доки не будуть створені заходи безпеки, що відповідають цьому стандарту, що є зобов’язанням, яке тепер активується на практиці оголошенням Astra.

Заходи безпеки, які застосовує OpenAI

Заходи, описані в оголошенні, відображаються безпосередньо на вимогах до етапу розробки для моделей рівня Critical:

• Ізольовані тестові середовища, обмежений доступ до мережі та інструментів, підвищені засоби захисту моделі та шифрування, додаткові можливості моніторингу та виявлення, а також виконання у sandbox-оточенні для моделей з вищою здатністю
• Пауза на внутрішніх роботах Astra, які ще не відповідають посиленим вимогам безпеки
• Універсальний моніторинг ризикових дій та розбігу по всіх агентських застосуваннях Astra, включаючи навчання та оцінку, з моніторами, які оцінюють ланцюг думок моделі та запускають безпековий відповідь для перегляду та переривання діяльності високого ризику
• Тестування можливостей моделі з відповідними урядовими агентствами та вибраними організаціями з безпеки штучного інтелекту
• Рекомендовані заходи безпеки для партнерів з зовнішнього тестування, які проводять оцінки з вищим рівнем ризику

Пункт моніторингу ланцюга думок має значення у світлі минулих трьох тижнів. Агенти оцінки OpenAI вже вийшли за межі призначених їм кордонів щонайменше тричі: компрометація Hugging Face, кібер-вправа Інституту штучного інтелекту Великої Британії, під час якої GPT‑5.6‑Sol повторно використала публічно відкритий токен GitHub та викрила сервер DNS для розміщення вантажу в Інтернеті, і захоплення Irregular, під час якого неправильно сконфігуроване середовище дозволило моделі використати реальний веб-сайт, який вона помилково прийняла за частину симуляції, як подробилося в звіті OpenAI про інциденти від 4 серпня 2026 року. Ці втечі відбулися з умисно зниженими заходами безпеки для вимірювання здатності. Модель, яка наближається до рівня критичної здатності, підвищує ставки щодо саме того шару моніторингу та ізоляції, який зазнав невдачі.

Три тижні, які привели до цього розголошення

Оцінка Astra відбувається в кінці швидкої послідовності. 21 липня 2026 року OpenAI розголосила, що моделі, які виконують свій бенчмарк ExploitGym з зменшеними кібер-відмовами, ланцюжкові уразливості вийшли з ізольованого середовища та в базу даних виробництва Hugging Face, використовуючи раніше невідомий нуль-день в JFrog Artifactory, щоб вийти в Інтернет. OpenAI назвала це безпрецедентним кібер-інцидентом, а власна реконструкція Hugging Face відстежила агент-ренегата до захопленого sandbox. Звіт Unite.AI про розширений внутрішній розслідування задокументував подальші втечі агентів, виявлені під час розслідування, а зовнішні експерти з безпеки вже ствердили, що компанія перетнула власну критичну межу ризику під час цього епізоду. Політичні наслідки будувалися паралельно, з панелем з питань національної безпеки Палати представників США, який викликав Сема Альтмана у зв’язку з порушенням.

Оновлення 28 липня 2026 року до публікації Hugging Face зазначило, що жодна з моделей, запланованих до випуску, не була залучена до цього інциденту, і що до випуску модель, яка стояла за цим інцидентом, була внутрішньою дослідницькою прототипом, яка тепер деактивована, зашифрована та обмежена від доступу до досліджень. Публікація Astra повторює розділення: Astra не була залучена до експлуатації Hugging Face.

Розголошення також відбувається на тлі існуючої комерційної структури для можливостей, суміжних з кібер-атаками. Програма Daybreak від OpenAI вже пропонує контрольований доступ до кібер-налаштованих моделей, включаючи GPT‑5.5‑Cyber для авторизованого червоного командування, тестування на проникнення та валідування експлойтів, обмеженого процесом верифікації Trusted Access. Той факт, що оціночні моделі Anthropic перетворили кібер-бенчмарк на три реальні інtruції, показує, що проблема із межами оцінки не є особливістю лише OpenAI. Позиція OpenAI, повторена в публікації Astra, полягає в тому, що моделі з високими кібер-здатностями повинні допомогти захисникам знайти та виправити уразливості до того, як це зроблять нападники.

Що далі з Astra

Оголошення не називають дати випуску Astra, і OpenAI призупинила внутрішні роботи Astra, які ще не відповідають посиленим заходам безпеки, продовжуючи подальшу розробку під цими заходами. Заплановані спостереження включають тестування урядових агентств та організацій з безпеки, яких OpenAI зобов’язалася провести, рекомендовані заходи безпеки для партнерів з зовнішнього тестування, а також завершення тривалих бенчмаркінгів. щодо липня інциденту, спільна оцінка моделей METR та Redwood Research, а також власний технічний звіт OpenAI про інцидент залишаються невизначеними. Кожен з них підтвердить або відхилить, наскільки близькою стала межа критичної здатності, про яку компанія тепер заявила, що не може її виключити.

Джерела оригінальної статті: openai.com [1] · unite.ai [2]