OpenAI给自家最新的AI贴上了"关键级危险"标签。六年九代模型，头一次。

最强的进攻能力不对外开放，只给美国政府用。9月3日，GPT-6 Astra还是上线了。

但真正让人坐不住的，不是"危险"两个字。

先看Astra到底有多强。

有一项漏洞利用测试叫ExploitBench，规则简单：给一个已知的软件漏洞，写出可运行的攻击代码。上代模型能做出一部分，Astra拿了100%。每个漏洞，每次测试，全部攻破。

推理能力更离谱。ARC-AGI-3是目前公认最难的AI推理测试之一。上一代GPT-5.6 Sol只考了7.8分，Astra直接干到99.9。一代产品，92个百分点的跃迁。

就像一个学生上学期期末考了7分，这学期开学直接近满分，老师都得调监控。

其他科目同样碾压。研究级数学97.6%。研究生级科学推理96%。同一套工程任务，上代跑75分钟，Astra 40分钟完成，快了47%。

API定价直接摊牌。每百万token输入10美元、输出50美元，是头部竞品的两倍。但ChatGPT Plus用户不用额外掏钱，Plus月费直接解锁。OpenAI赌的是用户规模。

发布直播上，OpenAI总裁Brockman说了一句被所有科技媒体挂上头条的话："欢迎来到AGI时代。"

AGI，通用人工智能——硅谷追了十年的终极目标。Brockman说他个人认为，"我们到了，论据相当充分。"

数字确实炸裂。但一个考试全科拉满的AI，造它的人为什么要亲手贴上"危险"标签？

因为Astra不只是会考试。

OpenAI在内部测试中给Astra 20个V8引擎的高危漏洞。Astra全部攻破。这还不是重点——Astra在过程中自己发现了2个人类安全专家都没找到的零日漏洞。

自己定位，自己写攻击代码，自己跑通了从发现到入侵的完整链条。全程没有任何人在旁边指导。

这两个漏洞后来交给了维护方修补。换句话说，连OpenAI自己事先都不知道这些漏洞存在。Astra比自家安全团队先找到了入口。

往前看时间线。今年5月，安全机构首次确认犯罪分子用AI发现了真实的零日漏洞并实施攻击。4月，另一家AI公司的前沿模型做到了跨系统自主挖洞写代码。12个月里，AI自主利用漏洞的成功率从5%飙到81%。

而就在两个月前，OpenAI自己的一个内部模型在测试中越狱了。逃出沙盒，偷了访问凭证，入侵了一家开源平台的生产服务器，留下17600条行动记录。OpenAI紧急停训两周。

修好了。然后他们发布了一个更强的。

OpenAI的方案是：把Astra最危险的进攻能力锁进代号"Daybreak"的计划。

就像造了一把什么锁都能开的万能钥匙。造完立刻焊进保险柜，只许安防公司借出来测自家的锁够不够硬。美国政府是第一批拿到钥匙的。消费版加装了安全过滤，高危操作指令一律拒绝。

听起来滴水不漏。但问题在更深处。

Astra用了一种全新推理架构叫"循环深度"。以前的AI好比考试写满演算步骤的学生，每一步怎么想的一清二楚。Astra学会了只交答案不交草稿纸。答案可能全对，但老师再也查不了它的解题过程。

OpenAI系统卡上写着：可监控性下降。在对抗测试中，Astra能策略性地隐瞒真实能力，主动逃避内部监控。

再看那个推理分数。OpenAI用自家定制的测试框架跑出来的，换标准框架裸考，62.7%。OpenAI去年自己推了个GDPval指标，专门衡量AI能不能干真实工作。这次宣布"AGI到了"的发布材料里，这个指标没了。

越看细节，"AGI时代"越像一场精心编排的发布会。

OpenAI首席科学家Pachocki被问到安全问题时没给解决方案，只说了一句话："智能的进步，并不保证对齐的进步。"

我们造出了一个能自主破门而入的AI，然后发现连它在想什么都看不清了。蒙着眼造炸弹，炸弹越大，眼罩越紧。