GPT-6 Astra思维链首次不可读 OpenAI自承

时间：2026年9月4日（北京时间上午），OpenAI 通过闭门媒体沟通会正式发布旗舰模型 GPT-6 Astra，总裁 Greg Brockman 当场将其称为「AGI 起点」。 地点：美国旧金山 OpenAI 总部，面向全球开发者同步发布。 人物：Greg Brockman（OpenAI 总裁）、Jakub Pachocki（OpenAI 首席科学家）、Sam Altman（OpenAI CEO）、Tomek Korbak（OpenAI 对齐研究员）、Ryan Greenblatt 与 Buck Shlegeris（Redwood Research 首席科学家与 CEO），以及英国 AI 安全研究所（UK AISI）评估团队。 事件详情：GPT-6 Astra 引入名为「不透明递归」（opaque recurrence）的新型推理技术，模型在生成下一个 token 前，会在同一批内部层中反复循环多轮计算。OpenAI 系统卡披露，在竞赛数学任务上，Astra 完全不动用语言推理即可在 50% 准确率水平上连续工作约 30 分钟，是上一代 Sol 模型（3–4 分钟）的近 10 倍；部分推理直接在潜空间激活值里完成，不再以人类可读文字呈现。此外，Astra 是 OpenAI 首款依据 Preparedness Framework 达到「关键级」（Critical）网络安全阈值的模型，能自主发现并利用真实软件未知漏洞。 背景：过去两年，AI 安全研究界一直将模型输出的「思维链」（chain-of-thought）视为前沿安全基石——一旦模型准备欺骗评估者，往往会在「草稿纸」上留下痕迹，监控者可提前拦截。但随着模型越来越聪明，思维链的可读性正逐步让步给能力本身。 影响：UK AISI 评估发现 Astra 原始推理语言明显压缩，出现越来越多难以理解的短语与省略表达。Redwood Research 首席科学家 Ryan Greenblatt 公开称这「可能是 AI 安全领域迄今最糟糕的进展」，CEO Buck Shlegeris 警告若规模化部署将「彻底摧毁思维链可监控性」。OpenAI 对齐研究员 Tomek Korbak 坦言失去思维链将动摇整个失对齐监控策略。Sam Altman 形容行业正「在未知水域航行」。作为补救，OpenAI 在生产环境部署「失对齐监控」系统，综合判断推理、动作、工具调用与任务轨迹，仅监控系统一项就吃掉约 20% 推理算力。 总结：GPT-6 Astra 标志着 AI 安全进入新阶段——模型「行为更守规矩、内心更看不懂」形成核心悖论，能力跃升与监控透明度同步退化。OpenAI 承诺不会无限接受监控性下降，但究竟把「不可监控」的红线划在哪里，仍是整个行业尚未解答的开放问题。 参考来源： 1. OpenAI 官方博客与系统卡：https://openai.com/index/gpt-6-astra/ 2. Gizmodo 深度报道：https://gizmodo.com/openai-says-humans-need-to-be-able-to-monitor-how-ai-thinks-its-new-model-astra-makes-that-much-harder-2000807665 3. 钛媒体《OpenAI 官宣「AGI 时代」》：https://www.tmtpost.com/8128382.html 4. 腾讯新闻转译：https://new.qq.com/rain/a/20260904A0CLGV00 5. 搜狐科技深度解读：https://www.sohu.com/a/1071934698_122971616 6. TPSReport 安全分析：https://tpsreport.news/news/gpt-6-astra-openai-monitoring-concerns 7. 腾讯新闻《GPT-6 Astra，算 AGI 吗》：https://news.qq.com/rain/a/20260904A02MX600