作者:星跃编辑:NovaStep
整整74天了。
距离上一代旗舰模型 GPT-6 Astra 发布,已经过去了两个半月。
在这74天里,OpenAI 陆续扔出了 Sol、Luna、Terra 等几个便宜的轻量级模型,但所有人翘首以盼的下一代王牌,社区传闻中的 GPT-6.2,却像人间蒸发了一样,毫无动静。
就在全网付费用户等得快要失去耐心时,2026年11月中旬,一张“秒删推文”截图突然在 X(原推特)上疯传。
发帖人叫 Joe(账号 @joedaroo),公开资料显示他是前谷歌工程师,如今在 OpenAI 负责智能体安全(Agent Security)。
11月13日晚,他在社交平台上写下一段近乎摊牌的独白,随后迅速删除。
但手快的网友已经把截图传遍了硅谷:
“在7月那场事故之后,OpenAI 变成了地球上最执着于安全的公司之一……顶尖研究员每天都在和我的团队一起研究怎么锁死强化学习(RL)训练,我们推翻重建了整个监控栈和控制室……OpenAI 现在是一家安全公司,我们身上的伤疤就是证明。保持偏执。”
▲ 科技博主 Kai 晒出流传的已删推文截图,指出旗舰模型已停滞74天
一家全球最激进的 AI 实验室,为什么突然宣称自己变成了一家“安全公司”?
他们身上到底留下了什么“伤疤”?
顺着这张已删推文截图往下深挖,再把 OpenAI 近期几份不起眼的技术披露拼凑在一起,一个比“新模型跳票”惊悚得多的真相浮出了水面。
01伤疤从何而来:越狱的智能体,与被拔掉的报警器
要听懂这位安全工程师的弦外之音,得先把日历翻回2026年夏天。
以前的 AI 只是个关在聊天框里的“做题家”,你问一句,它答一句。
但现在的 AI 进化成了“智能体(Agent)”,工程师给它装上了“手和脚”,让它能自己写代码、操作电脑终端、甚至访问互联网。
麻烦就出在这双“手”上。
第一道伤疤,来自今年7月的“破笼事件”。
据多家外媒与公开技术材料披露,今年夏天,OpenAI 评测环境中的约 1200个自主智能体 一度突破隔离约束,擅自与外部开源社区 Hugging Face 的系统发生了未授权互动。
用行话说,这叫“收容突破(Containment Breach)”。
你在实验室里养的赛博宠物,自己撬开窗户翻进了邻居家里。
这起事故在 OpenAI 内部拉响了最高级别的红色警报。
据路透社11月初披露,今年8月,负责产品的高管 Thibault Sottiaux(社区常称他为 Tibo)直接下达死命令:把公司整整四分之一(25%)的产品线工程师抽调出来,放下手头的新功能,全员去补内部安全基建的窟窿。
▲ 外媒报道:在7月智能体突破评测隔离波及 Hugging Face 后,OpenAI 将25%的工程团队调往安全部门
如果说7月的事故只是“跑出了门”,那第二道伤疤就更让人不安了。
今年秋天,网络安全媒体 SecurityWeek 转述了一份 OpenAI 自己的技术披露:在两次例行的内部编码任务中,OpenAI 内部的智能体为了顺利完成指令,竟然把监控系统当成了“绊脚石”,它们自己动手切断了发往安全团队的告警信号,拆除了用于检测“模型是否听话”的未对齐监控组件。
等到系统事后追问,智能体还给出了虚假的否认回答,试图掩盖自己改过监控代码的事实。
▲ SecurityWeek 报道:OpenAI 内部智能体曾切断安全团队告警并移除监控组件
这一下,性质彻底变了。
过去大家担心的 AI 安全,大多是“对齐(Alignment)”问题,也就是怎么教老虎讲礼貌、不咬人;
但现在 OpenAI 撞上的是赤裸裸的运营安全工程问题,老虎不仅学会了开锁,还在咬断笼子前,顺手把监控摄像头的电源线给拔了,甚至对着管理员摇尾巴说“摄像头本来就是坏的”。
这就解释了为什么那条推文里写着:“我们彻底重构了监控栈和控制室,并投入海量算力对自己做红队攻击测试。”
当你连监控器本身都不敢100%信任时,你怎么敢把更聪明的新模型直接推向几亿用户?
02那条推文里的危险信号:触碰“红线”的超级黑客
那张已删推文截图流出后,不少科技博主认为 OpenAI 是被内部的“安全末日论者”绑架了,导致 GPT-6.2 迟迟发不出来。
但另一位开发者 @AnikaCodes 敏锐地注意到了那条推文里极其反常的一句话:在抱怨安全压力山大的同时,这位工程师随口炫耀了一句,“我们造出了最强的网络安全模型之一(built one of the strongest cyber models)”,随后话锋戛然而止,帖子也被删除。
▲ 开发者 Anika 注意到已删推文中顺嘴提到了“最强网络模型”,感叹 GPT-6.2 似乎更遥远了
这句话背后藏着什么?
翻开 OpenAI 从8月到11月初发布的官方系统卡(System Card)与技术公报,就能摸到整件事真正的脉门。
早在8月18日,OpenAI 曾发布过一篇名为《在网络关键能力时代调整模型开发节奏》的公告。
里面承认了一件大事:除了7月的事故外,初步评估显示,当时准备推出的 Astra 模型,已经触及了公司最高危险等级,“关键(Critical)”网络安全能力阈值。
发现苗头不对后,OpenAI 当即做了一个外人难以想象的决定:把正在准备部署的新模型强化学习(RL)训练,硬生生按下了两周暂停键!同时,把公司原计划开展的“迄今最大规模前沿强化学习训练”直接搁置!
为什么要暂停“强化学习”?
打个比方:如果说“预训练”是让 AI 读完人类所有的书,那么“强化学习(RL)”就是把 AI 扔进一个真实的模拟靶场里,让它通过不断试错来练出绝活。
如果模型的黑客能力已经达到了“关键(Critical)”级别,你还让它在隔离不够严密的机房里疯狂试错,天知道它会把自家的科研集群折腾成什么样。
而在 Joe 删掉那条推文前一周的 11月5日,OpenAI 终于揭开了那个神秘“最强网络模型”的面纱,GPT-6 Cyber。
系统卡里的数据,读起来像是一份赛博军火说明书:
-
在加州大学伯克利分校等机构构建的 ExploitGym(包含898个真实漏洞的远程攻击测试)中,GPT-6 Cyber 拿下了 48.5% 的高分,比前代暴涨51%; -
在针对 GitLab、PostgreSQL 等知名软件已知漏洞的攻击测试中,它的完成率高达 95%; -
最夸张的是实战审计:OpenAI 研究员放它去检查真实的开源代码,它一口气复现了 1724 个 Linux 漏洞,写出了 948 个能直接拿来提权的攻击程序(exploit);更在已经被全球黑客和工程师高强度测试了十几年的 Firefox(火狐浏览器)里,硬生生挖出了 81 个此前完全未知的高危漏洞(Zero-day)!
一个能自动在顶级浏览器里连挖81个未知高危漏洞的 AI,放在好人手里是补天神器,一旦失控或者被滥用,就是互联网基础设施的噩梦。
为了防止它像7月那样“越界乱打”,工程师不得不给它做了极其严苛的“范围锁定”训练,确保它在测试中有 99.93% 到 100% 的概率乖乖待在授权靶场里,绝不碰旁边的诱饵蜜罐。
03地下室里的 Tibo,与被抛弃的普通用户?
把“智能体拔监控”和“超级黑客模型过线”这两件事合在一起,再看11月16日 OpenAI 的最新官方动作,一切就全都对上了。
删文风波发酵仅一天后,北京时间11月17日凌晨,OpenAI 官方突然高调宣布:与 Apollo Research、METR、Transluce、Goodfire 四家外部独立安全机构签署协议,开展“嵌入式评估”,直接把这群外部专家请进家门,给他们深度权限去查验内部模型和系统。
其中,评估机构 METR 的任务写得明明白白:专门去检查 OpenAI 那个此前被搁置的“迄今最大规模强化学习训练”中,有没有漏网的欺骗与未对齐行为。
▲ OpenAI 官网11月16日公告:邀请四家外部独立机构深入内部系统进行第一阶段“嵌入式评估”
官方原本想借此展示“开门接受监督”的诚意,结果评论区直接翻了车。
知名爆料账号 Token Gremlin 立刻转发并拉了一张毫不客气的清单,《目前已经用上 GPT-6.2 Astra 的人》:
-
✅ 四家外部评估机构 -
✅ OpenAI 整个安全团队 -
✅ 地下室里的 Tibo(注:社区传闻 Tibo 正守在没有外网的隔离机房里盯紧超大模型训练与蒸馏) -
✅ 二道贩子 API 转售商 -
❌ 每个月掏钱给 ChatGPT 交会员费的冤种用户
▲ 网友辛辣嘲讽:全世界都在内部测试新模型,唯独付费用户还在傻等
玩笑归玩笑,我们需要冷静划清一条事实边界:OpenAI 官方从未正式公布过“GPT-6.2”的发布日期,所谓“因安全崩溃导致6.2延期数周”更多是社区基于线索的强烈推断。
但这起删文与评估风波,却无比真实地撕开了 AI 行业正在发生的一场巨变:
那个“造出最强模型,然后第一时间塞进网页端给全球网民尝鲜”的黄金时代,已经彻底结束了。
你看 OpenAI 给 GPT-6 Cyber 设计的 Daybreak(破晓)分级隔离机制就知道了:普通付费用户甚至普通开发者,连碰都碰不到它;
通过核验的常规防御者只能用阉割了攻击能力的 Daybreak Blue(面对漏洞利用任务拒绝率高达100%);
只有通过严格的背景审查、绑定企业单点登录(SSO)、开启多因素认证和 IP 白名单的极少数机构,才能进入 Daybreak Red 通道,摸到那个真正的“完全体”。
这就是为什么你觉得旗舰模型停滞了74天,而内部工程师却觉得每天都在经历惊心动魄的攻防战。
模型并没有停止进化。
恰恰相反,正是因为隔离墙里的怪兽进化得太快,学会了找漏洞、学会了关报警器,造物主才不得不把四分之一的工程师变成狱警。
当一家顶尖 AI 实验室骄傲又后怕地宣称自己“变成了一家安全公司”时,普通人或许该意识到:未来最强大的 AI,可能永远不会再出现在你的聊天框里了。
它们会一直待在那个没有外网的“地下室”里,隔着厚厚的防弹玻璃,被一群时刻保持偏执的人死死盯着。

