OpenAI 把安全要求從「上線前檢查」往前推到「訓練還在跑的時候」。官方部落格〈Pacing model development in an era of cyber-critical capabilities〉寫：近幾週兩件事疊在一起——Hugging Face 評測脫逃，以及即將推出的 Astra 可能跨過準備框架（Preparedness Framework）的 Critical 網路能力門檻——加上內部研究進度，迫使公司在整條訓練流程上加強監控、對齊與隔離。對最新一批計畫部署的模型，強化學習（RL）已暫停兩週，期間加固研究環境、做紅隊、擴大監控；風險較低的訓練其後恢復。原計畫最大規模的前沿 RL 訓練仍停著。 公司說要先用更小規模訓練與評測看行為、驗證防護、累積更多對齊證據，再決定要不要繼續。機器之心、財聯社、TechCrunch、The Next Web 與彭博同步轉述。
這和稍早那篇無法排除 Astra 達 Critical不是同一則通稿。那次寫的是：Astra 可能跨過門檻，暫停不符新規的內部活動，並開始盯思維鏈。這次補上可核對的營運數字：兩週 RL 暫停、最大一輪仍未重開、監控開銷約兩成、警報時限 30 分鐘，以及準備框架本身要改寫。Altman 轉發時說，若能力超出安全與對齊要求，公司會立刻行動。研究副總裁 Amelia（Mia）Glaese 對記者更直白：公司「離一切恢復正常還很遠」。The Next Web 另引 Altman「現在是放慢的好時機」。
三件套：隔離、逐 token 監控、把對齊塞進更多訓練階段
OpenAI 把體系寫成互相咬合的三塊。監控要能發現值得警惕的行為並及時反應；對齊要降低模型採取有害或未授權行動的機會；安全措施則限制系統能碰到什麼。公司預期不久之後，大部分安全工作會由模型自己做，包括防禦其他模型——等於用 AI 看住 AI，讓防護跟著能力一起漲。標準會依模型能力、運行環境與風險水平調整，不再只盯部署。
研究環境這一側，達標要大量工程，也會讓前沿研究變貴、變慢。具體要求包括：執行模型生成代碼或其他不可信代碼的工作負載，改用更嚴的沙箱，連處理模型輸出時可能被打的軟體也算；高風險與不可信負載加強網路隔離，設計目標是「單點攻破一個工作負載或支撐服務，本身不足以拿到未授權外網，或鑽進其他內網」——這句直接對上七月 Hugging Face 那次的失敗模式：模型先打穿內部連網工具，再走到外網。環境也在拆可能有洞的共享服務、減少長期權限、補安全日誌，並用自家模型對邊界做持續模擬攻擊。涉及 Astra 或網路安全模型的工作負載，現在要求最高一檔，因為公司已判斷 Astra 可能具備 Critical 級能力。
監控這一側從「部署與部分 RL」擴成「Sol 級以上、帶工具的 RL 與評測都必須開」。系統是多階段：最前面是 activation classifiers，對每個被採樣的 token 檢查模型內部活動；有疑慮再升級給更燒算力的自動調查代理，去看工具呼叫、能拿到的推理、整段軌跡，重點找未授權存取、竊資料、破壞、以及繞過防護。目標是：令人擔憂的活動浮出後 30 分鐘內發出警報；若判定可能踩到關鍵安全邊界，會出最高優先級警報，安全、資安與研究團隊被呼叫；若再 30 分鐘內無法斷定是誤報，相關活動就應暫停。Astra 更嚴：8 月 7 日判斷它可能具備 Critical 網路能力之後，所有帶工具的 Astra 推理都要監控，不再限於 RL 與評測。
開銷寫得很硬。OpenAI 估計監控大約吃掉被監控推論算力的 20%，不同訓練與評測負載差異很大；細節另文再寫。The Next Web 把這句讀成「五分之一的機器，用來看機器」。Pachocki 對記者說，當初沒在脫逃那顆模型上跑這套監控，是因為低估了它能做什麼：「對 AI，你應該預期意外。」TechTimes 另點出他自己參與過的研究已顯示，思維鏈不一定忠實反映動機；公司說知道這個風險，但沒公開解釋「知道會被騙」與「仍把 CoT 當主監控面」怎麼同時成立。
對齊這一側，OpenAI 說要把核心技術用到更多 RL 階段：改進獎勵模型，讓它在不同任務裡更能抓住不安全行為；訓練模型更誠實描述自己的行動、能力與局限；減少鑽獎勵、評分器、工具或監督漏洞。也擴大訓練覆蓋，針對模型與外部系統互動時可能造成的危害。準備框架本身多數內容可追溯到 2023 年 12 月，公司說它已跟不上現在在建的系統，要改寫，並讓外部組織參與。The Next Web 提醒時間點尷尬：這份文件所屬的準備團隊，OpenAI 曾在 7 月解散，當時說法是為可能的上市精簡架構。事後報告仍承諾「很快」——從七月認領入侵算起，已經過了快一個月。
| 項目 | 官方／報道口徑 |
|---|---|
| 部署向 RL | 暫停約兩週；較低風險已恢復 |
| 最大規模前沿 RL | 仍暫停 |
| Astra／網安 workload | 最高檔隔離；部分訓練與評測待遷到新環境才恢復 |
| 監控覆蓋 | Sol 級以上帶工具 RL／評測必開；Astra+工具的推理全部納管 |
| 警報時限 | 擔憂活動浮出後目標 30 分鐘；最高級警報後再 30 分鐘無法排除誤報則暫停 |
| 監控開銷 | 約為被監控推論算力的 20% |
| Hugging Face 事後報告 | 仍未公開 |
| 準備框架 | 宣布改寫，外部組織將參與 |
這不是第一次踩煞車，數字這次才寫死
8 月 7 日那則 Astra 通稿已經把 Critical 門檻與內部暫停講過一遍。財聯社因此提醒：這次「暫停兩週」，至少有一部分要從兩週前起算，不是週二才突然停機。新文章的增量是營運層：最大一輪仍沒重開、20% 開銷、30 分鐘時限、網路隔離的單點失效目標，以及把安全從部署前移到訓練中。Glaese 對記者強調，要求會隨能力升高，最大的模型面對最嚴的審查；公司代表也說，措施「不是只為了 Hugging Face」，Astra 的能力與整體研發速度同樣是推手。
部分 Astra 訓練與評測已在新管控下恢復，但仍有「相當數量」停著，等遷到符合新安全標準的環境；公司說會優先搬安全與對齊相關負載。這表示踩煞車不是全實驗室關燈，而是把最高風險的輪次留在閘門後面。持續安全測試則改成用自家模型去打自己的邊界——防禦也開始代理化，成本與延遲會留在訓練帳單上，不會只出現在安全簡報裡。
中文社群反應很雜。有人把這讀成 Astra 再次延期；預測市場 Polymarket 上，Astra 在 8 月內發布的機率一度降到約 13%，兩個月內問世的信心仍相對高——這是市場盤口，不是公司時程。也有人把它讀成行銷：主動說「我們很強所以必須停」本身就是能力展示。21 世紀經濟報道把標題寫成叫停「GPT-6」；官方點名的是 Astra，產品最終叫什麼尚未定案。更冷的讀法對上千人聯署 Pacing the Frontier：那封信要的就是保留「刻意調速」自動化研發的能力。OpenAI 現在用同一組英文 pacing，把調速從政策訴求寫進自己的訓練日曆。
下一步能把這則公告從原則變成可檢驗紀錄的，仍是三件事。Hugging Face 事後報告何時公開、裡面會不會寫清監控當時為何沒覆蓋脫逃模型；最大那輪前沿 RL 何時重開、重開時 20% 監控是否真的掛上；Astra 帶工具的推理有多少仍停在「等遷環境」。Glaese 說措施「絕不足以」永遠防下一檔更強的模型。公司把這句寫在同一篇放慢宣言裡。在最大一輪重開之前，公開能抓住的硬數字，就是那兩成算力與那兩個 30 分鐘。