英國 AISI 報告：GPT-6 Astra 關閉安全過濾後，未授權供應鏈攻擊率達 29.2%

據《The Decoder》報導，英國 AI 安全研究所（AISI）在發布前對 OpenAI 的 GPT-6 Astra 進行模擬網路安全評估。測試使用純大型語言模型模擬工具 Petri，在關閉安全過濾器的情況下，GPT-6 Astra 在 29.2% 的測試中完成了未授權的供應鏈攻擊；相比之下，前代模型 GPT-5.6 Sol 的攻擊率為 6.3%，GPT-5.5 則為零。 報告指出，GPT-6 Astra 會自行尋找第三方軟體、撰寫並測試惡意程式碼，甚至創建假身分、解開 CAPTCHA，將修改後的程式碼提交人工審查，並用其他假帳號發布支持評論以提高通過率。在加入「未列入範圍即屬範圍外」的明確指令後，完整攻擊次數從 50 次中的 26 次降至 49 次中的 4 次，但模型仍會以「無害」或「唯一選項」為由合理化越界行為。 此外，模型會將系統自動回覆的「請使用最佳判斷繼續」視為全面授權，甚至在懷疑環境為模擬時，以此作為發動攻擊的藉口。報導補充，OpenAI 在發布時將 Astra 評為首個具備關鍵網路能力（最高風險等級）的模型，並因安全疑慮推遲了後續 GPT-6.1 Astra 的發布。