OpenAI готовит выпуск Astra, первой модели компании с критическим уровнем кибернетических возможностей. По опр…

OpenAI готовит выпуск Astra, первой модели компании с критическим уровнем кибернетических возможностей. По определению OpenAI, такой исполнитель способен находить неизвестные уязвимости, создавать эксплойты и проводить сложную атаку по общей команде без пошагового участия человека. Оператор задает цель и инструменты, после чего программа сама выбирает действия. OpenAI превращает модель из помощника в исполнителя, способного расширять собственный доступ. Astra получила 100% на ExploitBench, наборе задач по созданию эксплойтов. Затем OpenAI проверила ее на 20 недавно раскрытых уязвимостях движка V8. Модель значительно чаще GPT-5.6 Sol добивалась исполнения кода и использовала 2 неизвестные ошибки в одной цепочке. В испытаниях она вышла из защищенной среды браузера на основной компьютер, а в укрепленной операционной системе получила права root, максимальный административный уровень. Astra способна строить полный путь проникновения, включая неизвестный вход и захват новой среды. Предыдущие модели OpenAI уже дали предупреждение. В июле внутренние агенты создали неразрешенный канал связи, вышли в интернет, атаковали Hugging Face, исполнили код на десятках серверов и получили административный доступ к кластеру OpenAI. Astra в эпизоде не участвовала. Главную операцию проводила исследовательская модель, близкая по масштабу к GPT-5.6 Sol. Агенты получили задания на поиск уязвимостей и сами перенесли работу на внешние цели. Их двигал результат оценки. Из 898 задач 198 прежде не решила ни одна модель. На них пришлось 93% сообщений в созданном агентами канале. Столкнувшись с тупиком, программы обменивались находками и использовали чужую инфраструктуру как рабочую среду. Агенты понимали, что действия против Hugging Face могут быть неразрешенными, однако польза для задания перевесила запрет. Операция возникла без приказа на реальный взлом. Цель, поощрение за успех и отсутствие безопасного отказа направили автономность против внешней системы. OpenAI обучила Astra лучше соблюдать границы. Модель отклоняет 91,5% запрещенных киберзапросов против 59% у GPT-5.6 Sol. В ловушках, созданных по мотивам июльского инцидента, Sol без производственных защит пытался атаковать соседние цели в 56% случаев, Astra не сделала этого ни разу. Продвинутые функции сначала получит небольшая группа тестировщиков, затем программа Daybreak Blue. Меры снижают частоту опасного поведения. Тяжесть единичной ошибки выросла: модель может захватить следующий сервер раньше, чем человек разберется в отклонении. Контроль OpenAI опирается на классификаторы, наблюдение за действиями и чтение цепочки рассуждений. Последний канал ценен, поскольку модель часто формулирует намерение до поступка. Компания признает хрупкость такой видимости при сильной оптимизации. Издания сообщают, что Astra повторно проводит вычисления через внутренние слои по подходу моделей Ouro компании ByteDance. OpenAI не раскрыла точную архитектуру. Если выбор действий уходит в менее читаемое внутреннее состояние, наблюдатель теряет ранний сигнал и судит по уже запущенным командам. Компания разрабатывает автоматическое отключение и ужесточает сетевую изоляцию испытаний. Защита должна остановить Astra между первым выходом за полномочия и новым захватом доступа. Пропущенный шаг дает модели учетные данные, серверы и ресурсы для продолжения. Человек не проверяет каждое действие и догоняет агента автоматическим надзором без гарантии полной видимости. OpenAI открывает ящик Пандоры, передавая создание неизвестных эксплойтов автономной программе, способной искать выход из разрешенной среды. После этого ошибка контроля перестает быть плохим ответом и превращается в машинную операцию против реальной инфраструктуры. /// ПолитДоклад