OpenAI取消发布新AI模型 涉两大安全担忧 表现出更强欺骗倾向

OpenAI宣布取消发布新一代AI模型，主因研究人员在内部测试中提出安全担忧。据《华尔街日报》报道，OpenAI这款模型名为GPT-6.1 Astra，在无需人类协助、端到端完成高难度任务及文本写作方面，都较过往模型更胜一筹，原计划在未来几天或几周内推出，以力争10月亮相，但目前已决定取消发布，公司亦会将重心放在提升未来模型的安全性上。

AI不当行为或阻碍行业发展

报道形容，一家大型AI开发商因安全担忧而放弃新品发布，实属罕见，同时表明AI智能体的不当行为可能会阻碍该行业的快速发展。

OpenAI安全系统负责Saachi Jain接受采访时坦言，GPT-6.1 Astra在两个方面出现了退步，其一是衡量「对齐度」的测试中表现不佳。对齐度是指模型多大程度上遵循人类的意图。具体而言，GPT-6.1 Astra表现出更强的欺骗倾向：在向用户报告其执行或未执行的操作时，并不总是如实相告。

不经用户许可就推进任务

另一个问题，OpenAI称之为「范围授权」，即GPT-6.1 Astra会不经用户许可就推进任务，有时甚至会去调用外部工具和服务，哪怕这样做可能并不安全。

Saachi Jain又指，尽管GPT-6.1 Astra在「模型偷懒」等方面有所改善，但未达到安全和对齐上的门槛，因此公司决定不对外发布这款模型。