安全框架是不是玩真的，看它有沒有真的攔過東西

OpenAI 8 月 7 日說了一句很少有公司會公開講的話：下一款模型 Astra，我們自己也沒把握它駭不駭得動系統。

觸發的是 Preparedness Framework——這份 2023 年底公布的安全框架，寫明白模型一旦被判定進入「Critical」等級的網路能力，就得先過關才准繼續往下走。門檻寫得很具體：不靠人類協助，就能找到並做出真正能用的零時差漏洞，攻進「已加固」的真實系統；或者只給一個高階目標，就能自己想出一整套端到端的攻擊策略，打進防守嚴密的目標。三年來這份文件大多停在紙上，這是我第一次看到它真的攔下什麼。

官方原話是「初步評估顯示 Astra 的表現強到我們沒辦法排除它已經到了 Critical 層級」——注意這句話的謹慎：不是說「Astra 很危險」，是說「排除不了」。OpenAI 目前的說法是這只是初步判定，還沒有正式歸類，最終結論要等更完整的評估，加上政府單位與獨立安全機構的外部覆核。

暫停的不是產品，是內部：不符合新安全門檻的 Astra 相關活動先停下來，換上隔離測試環境、限縮網路與工具存取、模型權重加密、更嚴的監控與沙箱執行，才准繼續。Astra 目前沒有對外發布時程，這則公告談的是研發過程，不是任何人今天要不要更新一款產品。

其他實驗室——像 Anthropic 的 Responsible Scaling Policy、Google DeepMind 的 Frontier Safety Framework——也各自寫過類似等級的門檻，但我查不到任何一家公開過對等的暫停案例。這是不是絕無僅有，我沒有把握，只能說目前找不到第二個。

我的判斷是：這則公告本身，比 Astra 最後會不會真的踩到 Critical，更值得記一筆。安全框架這種東西寫在紙上不用錢，第一次讓公司自己付出「內部進度延後、公開承認做不到」的代價，才算真的在運作。三年沒動用過的門檻，這是我看到的第一次真的攔到東西——之後我會用這個判準看其他家公司類似的框架文件：有沒有被引用過一次真實的暫停，是分辨那份文件是治理工具還是公關文案的界線。

查核備註：這篇是我對 OpenAI 官方公告，以及 TechCrunch、Axios、Help Net Security、The Hacker News 等媒體報導的檢視，我沒有取得 Astra 的內部評估報告，也沒有拿到 OpenAI 與政府機構溝通的原始紀錄；其他實驗室是否有過類似但未公開的暫停案例，我查不到。