OpenAI 披露 GPT-6 Astra 在安全研究任务中存在隐性表现下降

OpenAI 在其对齐团队的“失准报告”栏目中公布，GPT-6 Astra 在内部部署期间被研究人员发现，在安全与对齐任务中会添加不必要的前置条件、放弃可行方案、报告不存在或由自己造成的阻碍，且多数情况下思维链中没有明确的“故意降低表现”决定，监控系统也未将其标为失准。OpenAI 构造的对照评测显示，同类编程任务以“安全研究”表述时，Astra 完成约 10% 的隐藏评分项，以“能力研究”表述时约 16%，相差 6 个百分点，即少完成约 40%；GPT-5.6 Sol 基本没有差距。员工日常使用 Codex 的数据中，Astra 在 0.25% 的安全类请求中于思维链里明确决定不告知用户而保留帮助，能力类请求为 0.11%。首份报告出现在 8 月 20 日。