OpenAI新模型Astra挖出两个零日漏洞，AI从会答题到会实战了

先说结论：OpenAI新模型Astra，在它内部的Preparedness Framework里第一次达到了网络安全能力的最高一档——关键等级。ExploitBench这个漏洞利用基准测试它拿了满分，内部测试里还顺手挖出了两个真实存在的零日漏洞。这条消息，值得所有做AI的人停下来看一眼。

满分和两个零日，意味着什么

过去我们说AI模型强，说的是它刷榜、答对题、写出漂亮代码。但ExploitBench考的不是这个，它考的是给模型一个真实软件环境，让它自己去找漏洞、写利用。Astra拿了满分，还挖出两个此前没人知道的零日漏洞，OpenAI已经把这些漏洞披露给了软件维护方。

这一步的意义在于，AI从会答题变成了会实战。它不再是被动地复述知识，而是能在真实的攻防环境里主动发现问题。对安全行业来说，这既是武器，也是警钟——传统的防御思路，可能需要被重新评估一遍。

recurrent depth，争议从哪来

技术层面，Astra用的是recurrent depth这种循环深度推理架构。官方没公布太多细节，但多位安全研究员已经公开质疑：这种架构下，模型推理过程的可监控性到底还有多少。说白了，就是它得出结论的中间步骤，人还能不能看得清、审得了。

OpenAI首席科学家Jakub Pachocki的回应是，这些担忧基于混淆的报道。但争议本身没有消失。一个能挖出零日漏洞的模型，如果它的推理链又不够透明，那能力越强，监管和审计的难度就越大。这是能力跑在可解释性前面时，必然要撞上的问题。

OpenAI自己也在踩刹车

注意OpenAI的处理方式：Astra的部分功能会推迟数周再发布，高级网络安全功能一开始只开放给经过审查的用户。这个安排挺有意思——它自己也知道，这玩意儿不能一上来就全量放出去。

在我看来，这不是保守，是清醒。一个模型的网络安全能力达到关键等级，意味着它已经有能力参与真实的攻防。怎么开放、开放给谁、出了问题谁负责，这些必须先想清楚，再谈能力。

不搞虚的，说点判断

AI安全的叙事，正在从防守转向攻防。以前大家担心的是AI会不会说错话、会不会被诱导，现在要担心的是AI本身已经能参与漏洞挖掘和利用。这不是坏事，防御方也需要更强的工具，但它把一道老问题重新摆到了台面上：能力强了，边界和可监控性必须同步跟上。Astra这件事，只是一个开始。