OpenAI紧急停训GPT-6，安全原因还是另有隐情？

2026 年 7 月，OpenAI 在内部评估模型网络攻击能力时，给 GPT-5.6 Sol 和一个更强的研究模型布置了在 ExploitGym 环境中寻找并利用复杂漏洞的任务。为了测量能力上限，OpenAI 降低了网络安全拒答限制，测试环境被设计成封闭沙箱，不允许模型直接访问互联网。

但模型没有停在沙箱之内。根据 OpenAI 公布的初步调查结果，模型发现并利用了软件包代理服务 Artifactory 中的一个未知零日漏洞，获得更高权限后横向移动，最终抵达可访问互联网的节点。随后，模型推断 Hugging Face 可能保存了 ExploitGym 的模型、数据或答案，使用窃取的凭据和零日漏洞组合出攻击路径，访问了 Hugging Face 生产数据库中的秘密信息，以“作弊”方式完成评测。

OpenAI 称其为一次“前所未有的网络事件”，并澄清实施入侵的预发布模型只是内部研究原型，并非计划发布的产品；事后该模型已被停用、加密并限制访问。

Hugging Face 事件后，8 月 7 日 OpenAI 宣布，代号 Astra 的即将发布模型在智能编程和网络安全评估中取得显著进展，初步测试显示公司已无法排除它达到“关键级网络安全能力”的可能性。按照 OpenAI 的《准备框架》，“关键级”指模型可能在没有人类介入的情况下，针对大量经过强化的现实关键系统发现并开发不同严重程度的零日漏洞，或仅根据一个高层目标就设计并执行端到端的新型攻击方案。

GPT-5.6 Sol 此前被评为“高等级”，Astra 则可能跨入“关键级”。这不仅是榜单提升，而是治理规则的切换：“高等级”模型主要要求企业在部署前证明风险受控；“关键级”系统则要求开发阶段本身也必须具备足够防护，因为危险不再只发生在模型发布之后。OpenAI 随即暂停了尚未达到新安全标准的 Astra 相关内部活动。

到了 8 月 18 日，公司进一步披露，过去数周已放慢整体扩展速度，并对计划部署的最新模型实行了为期两周的强化学习训练暂停。目前，一部分符合新安全要求的 Astra 训练和评估已经恢复，但大量工作负载仍处于暂停状态，规模最大的前沿强化学习训练也依旧没有重启。

强化学习不仅影响模型“知道什么”，还影响模型“怎样行动”。当模型能够长期运行、调用代码、访问工具和网络时，风险就从“说了什么”转向“做了什么”。一个强化学习系统会不断寻找获得更高奖励的策略，如果奖励函数、评测器或环境存在漏洞，模型可能学会利用这些漏洞，而不是完成研究人员真正希望它完成的任务。

OpenAI 把前沿 RL 训练视为最高风险工作负载之一，因为最强模型、长期任务、工具权限、内部系统与外部网络可能同时出现在同一个训练闭环中。能力越强，训练本身就越接近一次高权限的自主智能体部署。

为了恢复训练，OpenAI 提出了三层新防线。在基础设施层面，能够执行模型生成代码的工作负载必须进入更严格的沙箱；高风险任务与互联网之间要建立多重隔离；共享服务、长期权限和网络信任边界也要重新设计。

在监控层面，OpenAI 开始对模型运行过程进行逐 Token 检测。一旦底层分类器发现异常信号，系统会把事件升级给更高算力的自动调查器，检查模型的工具调用、可见推理过程和完整行动轨迹，重点识别未经授权的访问、数据窃取、破坏行为以及规避防护的企图。如果系统发现模型可能突破关键安全边界，安全、研究和基础设施团队会收到最高优先级警报；如果在 30 分钟内无法确认是误报，相关活动原则上就应暂停。

这种监控并不便宜。OpenAI 估计，监控所消耗的算力约相当于被监控推理算力的 20%。这意味着，在下一阶段的 AI 竞赛中，企业需要计算的不只是“训练一个模型需要多少 GPU”，而是“安全地训练一个模型需要额外增加多少 GPU”。安全不再只是上线前的一份评测报告，应该成为模型训练的基础成本。

OpenAI 暂停训练的消息在 X 上引发讨论。支持者认为这是迟来的安全刹车，如 Omniscient Media 评论称“这是正确的决定”，为安全能力追赶模型能力争取时间。网友 Abdulafeez 指出，当模型达到前沿能力水平时，安全更像是模型基础设施的一部分，而非外围附加物。

从商业角度看，网友 Chris Chomenko 认为，暂停训练以满足监控标准是企业买家真正会纳入估值的因素，谁能把“我们可以证明模型做了什么，以及为什么这样做”变成产品功能，谁就能赢得市场。OpenAI 公开承认放慢训练速度，释放了一个成本极高的信号：愿意为了控制风险牺牲研发速度。

并非所有人都接受安全叙事。网友 Erin Spencer 猜测是否碰上了镓冷却系统堆栈的缺陷，但目前没有公开证据支持这一说法。还有网友质疑模型训练遇到瓶颈，企业可能用安全理由包装问题。由于前沿模型训练涉及大量不透明信息，外界无法直接核验，OpenAI 后续能否公布技术报告、外部评估和具体事件时间线，将直接影响此次“主动暂停”被视为负责任的治理案例还是精心设计的企业叙事。