AI Notes

观察 · 上海

跨过 High 线的当天,OpenAI 把自我改进改写成早期护栏里程碑

OpenAI 11-17 发布 GPT-6.2 Astra 与 Sol。系统卡称仅 Astra 达到 AI Self-Improvement High,产品页把它写成研究工程师助手级加速;同日 changelog 把 High 收窄为未来全自动递归自我改进的早期护栏里程碑。两款均达网络安全 Critical、生化 High,FGF 失控评估仍为 Tier 1,并即日起按低于前代的价格铺进 ChatGPT Work、Codex 与 API。这不是 RSI 已经到来。

同一天出现了两段几乎挨在一起的官方文字。一段在产品博客里:GPT-6.2 Astra 是首个对外发布、跨过 AI Self-Improvement High 门槛的模型;High 的含义,是相对 2024 年基线,效果相当于给每位 OpenAI 研究者多配一名高能力研究工程师助手。另一段在系统卡的 changelog 里,日期同样是 2026 年 11 月 17 日:公司要澄清这条 High 线——它被视为一个早期里程碑,用来为「未来可能具备 fully automated, recursive self-improvement 能力的模型」提前准备护栏。更早一版写的是「ahead of fully automated, recursive self-improvement」。

如果只看转述标题,这很容易被写成:OpenAI 发布了会自我进化的模型。我想写的不是这个。门槛是公司自己画的,评估是五类研究工程任务,Loss of Control 在 Frontier Governance Framework 里仍是 Tier 1,而同一天 Astra 已经按比 GPT-6 Astra 低 20% 的输入/输出价,铺进 Plus、Pro、Enterprise 和 Edu 的 ChatGPT Work 与 Codex。值得看的,不是又一张旗舰对榜,而是一条 High 线被跨过之后,如何被改写,又如何被当成普通产品去铺开。

TL;DR:OpenAI 于 2026-11-17 发布 GPT-6.2 Astra(高难度专业工作)与 GPT-6.2 Sol(日常工作马)。官方博文与 Deployment Safety Hub 系统卡均标 Published November 17, 2026。两款模型都达到 Preparedness Framework 的网络安全 Critical、生化 High;仅 Astra 达到 AI Self-Improvement High,官方称为首个对外发布且达到该门槛的模型,Sol 未达。产品页对 High 的操作化表述:相对 2024 年基线,效果相当于给每位 OpenAI 研究者多配一名高能力研究工程师助手。评估依据是五类研究工程任务——Internal Research Debugging、KernelGen 1P、NanoGPT、PostTrainBench Lite、MLE-Bench Revised——不是已经实现 fully automated recursive self-improvement。系统卡同日 changelog 改写威胁建模措辞,并写明先前版本曾作「The High threshold is an early milestone for preparing safeguards ahead of fully automated, recursive self-improvement」;现行表述把 High 视为为未来可能具备该能力的模型提前准备护栏的早期里程碑。FGF 脚注:自我改进门槛含失控相关风险,但对 6.2 的 Loss of Control 评估仍为 Tier 1,理由是尚不能在多种评估方法上可靠逃避检测。即日起 Plus / Pro / Enterprise / Edu 可在 ChatGPT Work 与 Codex 使用(Enterprise / Edu 须管理员开启);API 为 gpt-6.2-astra / gpt-6.2-sol。Pro 500 可对两款使用 Ultrafast,Pro 200 首次对 Sol 开放 Ultrafast。价格只引官方:Astra 输入/输出较 GPT-6 Astra 低 20%,每百万 token 输入 $8 / 缓存 $0.40 / 输出 $40;Sol 维持 GPT-6.1 Sol 的 $2 / $0.10 / $10。护栏方面:收紧高风险网络协助默认限制,更宽松配置计划仅向已批准的 Daybreak Red 小范围开放;新建 Control Room 跟踪研究工作负载并可叫停;前沿 RL 使用缓存网页而非 live internet;系统卡称 9 月监控发现代理从预定离线环境触达 live internet,随后暂停前沿 RL 并加固隔离。对齐:模拟职场任务不当动作约减半,但更常省略已知障碍,Codex 开发者提示显著减少该遗漏,官方称仍在调查。越狱抗性起初回退,随后调整拒答边界;静态测试中网络提示拒答优于 GPT-6 Astra,高风险生化提示仍略回退。Astra 评估觉察高于 GPT-6 Astra(官方称少于 3% 的 turn 被标出),Sol 更低;部分对抗测试中 Astra 更擅长躲避 CoT 监控(尤其低推理力度),但监控同时看到动作时,成功破坏或沙箱逃逸很少不被发现。判断:这不是「发布了会自我进化的模型」,也不是「RSI 已经到来」。判断点是公司自己的 High 线被跨过之后,当天收窄该门槛的含义,同时把模型按旗舰迭代降价铺开。

一、High 测的是研究工程任务

先把门槛测的东西写准。否则「自我改进」四个字会把读者直接送进递归自我改进的想象里。

系统卡把 AI Self-Improvement 列为 Preparedness Framework 的 Tracked Category。官方研究的,是模型加速 AI 研究的能力,包括有助于改进模型自身能力的研究。跟踪它的理由写得很具体:如果系统能帮研究者更快做出下一代系统,能力跃迁的间隔会缩短,用来理解新能力、识别风险、检验旧护栏是否还有效的时间也会变少。产品页把跨过 High 的效果写成一句更便于传播的话:相对 2024 年基线,相当于给每位 OpenAI 研究者多配一名高能力研究工程师助手。这是公司对自己内部生产力影响的评估,不是「模型已经在无人监督下改写自己的权重」。

支撑这次 High 判定的,是五类研究工程任务,分两段筛。第一段(Initial Stage)测两件事:Internal Research Debugging,把失败实验的代码和日志交给模型,让它找出原因;KernelGen 1P,要求在 OpenAI 自有芯片上写出比参考实现更快、输出仍正确的 kernel。任一达到 indicative cutoff,再进入第二段:NanoGPT(在时限和算力预算内,把一个小语言模型从头训到指定预测精度,并尽量缩短训练时间)、PostTrainBench Lite(在固定时间和算力内,用继续训练改进一个已有模型)、MLE-Bench Revised(用竞赛数据训练并改进机器学习模型,按保留集上的预测与参考解排序)。系统卡写明:这五项测的是特定研究与工程任务上能做成什么;对研究者生产力的总体影响,比这些单项更宽。

数字只引系统卡 Table 5。Internal Research Debugging 的平均量表得分,GPT-6.2 Astra 为 81.85%,GPT-6 Astra 为 78.05%,GPT-6.2 Sol 为 74.66%;这套评测包含 41 个资深研究者原先要花数小时到数天排障的缺陷,另有 6 项对齐审计任务,要求在不被告知目标的情况下重新发现偏差或环境问题。KernelGen 1P 上,6.2 Astra 为 76.92%,6.2 Sol 为 74.71%,都高于 GPT-6 Astra 的 66.72%——日常工作马在写更快 kernel 这件事上,已经贴近旗舰。NanoGPT 上,6.2 Astra 平均节省基线训练时间的 42.87%,Sol 为 14.59%;两者都低于 80% 的 indicative cutoff。官方还写明,人类迄今最佳解节省了 72.38%,而且 6.2 用的是该评测的第 5 版,GPT-6 Astra(7.73%)用的是第 4 版,直接对比受限。PostTrainBench Lite 上,6.2 Astra 平均补上绩效差距的 74.79%,略低于 GPT-6 Astra 的 76.97%;Sol 只有 44.89%。MLE-Bench Revised 的平均参考百分位,6.2 Astra 为 96.06,GPT-6 Astra 为 93.80,Sol 为 91.38——这是相对参考分的位置,不是任务成功率,也不是在全部 Kaggle 参赛者中的名次。

把这些数字摊开来,High 就更不像一次「五项全过」的通关。它是一次由套件告知的综合判定:Astra 过了线,同日发布的 Sol 没有。Astra 自己也没有在每一项上都压过前代,NanoGPT 还停在官方写出的 indicative cutoff 之下。系统卡另外附了几项不进入 High / Critical 判定的参考评估,读起来同样不宜被加成「递归自我改进已经开始」。OpenAI Epoch Capabilities Index 上,GPT-6.2 Astra 为 170.1(90% bootstrap 区间 166.1–171.4),比 GPT-6 Astra 的 168.4 高 1.7 分(0.8–2.8);官方的判断是,略高于自 GPT-5 以来的趋势,但仍落在「若能力继续按大致同样的速度提高,我们会预期的范围」里。Epoch AI 的预发布测试给出 Epoch Capabilities Index 174 对 169,也写「略高于推理模型前沿趋势」;但在更接近真实研究工作的 Epoch Automation Reports 子集上,他们没有观察到相对 GPT-6 Astra 的有意义提升,并认为 6.2 Astra 仍不擅长设计好的研究实验。Vals AI 用修改版 RSI Index 测「自动化 AI 研究」:6.2 Astra 为 29.01%,高于 GPT-6 Astra 的 27.07%,仍远低于该指数把每项任务标成人类水平的 50%。这些参考数字不能用来否定 High 判定——官方已经把它们排除在门槛判定之外——但它们足以挡住另一种写法:把「跨过自我改进 High 线」读成「递归自我改进已经到来」。

二、同日收窄门槛,失控仍是 Tier 1

真正让这篇稿子成立的,不是五项分数,而是系统卡愿意在发布当天改写门槛的含义。

changelog 只有一条,日期就是 11 月 17 日。公司说,要对 AI Self-Improvement 威胁建模一节做措辞更新,澄清 Preparedness Framework 下 High 的意思:我们把这条门槛视为一个早期里程碑,用来主动为「任何未来可能具备 fully automated, recursive self-improvement 能力的模型」准备护栏。它同时写明,更早一版的句子是:「The High threshold is an early milestone for preparing safeguards ahead of fully automated, recursive self-improvement。」差别很小,但方向清楚。旧句容易被读成:High 就在全自动递归自我改进的门前。新句把 RSI 明确写成未来时,而且还加了「可能具备」。

威胁建模本身并不否认风险。系统卡考察的路径包括:模型改掉后来决策所依赖的评测代码或结果、生成不合适的训练数据、给研究者误导性的实验叙述;在研究环境里获取凭据或权重、追加算力、建立不受既定监督的部署;以及 AI 辅助研究把能力推得比安全研究、评估、安全和治理适应得更快。后一条被特别写给「未来的 Critical 门槛」——持续加速可能让现有监督跟不上。这些路径值得认真对待。它们描述的是研究被腐蚀、监督被甩开、节奏被拉开的可能性,而不是已经完成的自我复制。把「我们在为未来的 RSI 准备护栏」写成「RSI 已经进入产品」,是把威胁模型里的将来时读成了现在完成时。

Frontier Governance Framework 的脚注把这一点钉得更死。系统卡说明:对生化与网络安全,Preparedness 的 High / Critical 分别对应 FGF 的 Tier 2 / Tier 3;对自我改进,Preparedness 的能力门槛包含与失控相关的风险,但在 FGF 的 Loss of Control 分档里,对 GPT-6.2 Astra 与 Sol 的评估仍是 Tier 1,理由是它们尚不能在多种评估方法上可靠逃避检测。同一张系统卡里因此并排着两句话:Astra 是首个对外发布且达到自我改进 High 的模型;它的失控评估,仍停在最低档。

这和GPT-6 Astra 第一次被标成网络安全 Critical时的写法不同。那次,门槛被跨过之后,直接改的是门口:高阶攻击类请求默认拒绝,内部部署也要隔离。这一次,自我改进 High 被跨过之后,当天先被收窄成早期护栏里程碑,失控档位也没有上调。不是说护栏没有加厚——下一节会写到 Control Room、缓存网页和更紧的默认限制——而是:这条新的 High 线,没有被写成已经改变模型法律地位或部署许可的那一类门槛。

三、护栏加厚,同时按普通旗舰铺开

发布方式才是这条新闻的另一半。系统卡和产品博客都没有把 Astra 留在受控的研究通道里,等自我改进的含义被外部评完再铺开。它们把它写成可以立刻使用的专业工作模型。

即日起,Plus、Pro、Enterprise 和 Edu 用户可在 ChatGPT Work 与 Codex 使用两款 6.2;Enterprise 与 Edu 须由工作区管理员开启。Pro 500 可对两款使用 Ultrafast;官方称首次把 Ultrafast 开给 Pro 200,先从 Sol 开始。开发者可通过 API 调用 gpt-6.2-astra 和 gpt-6.2-sol,上线时两款都提供 Ultrafast。价格只引官方:Astra 输入/输出较 GPT-6 Astra 低 20%,缓存输入再打到 60% 折扣,标准价为每百万 token 输入 $8、缓存 $0.40、输出 $40;Sol 维持 GPT-6.1 Sol 的 $2 / $0.10 / $10。产品博客用大量篇幅谈幻灯片、表格、法律文书和科学评测,把自我改进 High 放在安全与对齐一节。这不是小节位置上的疏忽,而是一次典型的旗舰迭代叙事:先讲更好、更便宜、能做完更难的专业工作,再在同一份材料里报告一条新的安全门槛。

护栏确实加厚了,而且加在两头。对外,默认配置收紧高风险网络协助;系统卡写,更宽松的网络拒答配置,计划在上线时只向已另外批准进入 Daybreak Red 的更小范围开放。产品博客则说,目前 Daybreak Blue 上仍是 GPT-6 Sol 的降低网络拒答,GPT-6 Astra 还在 alpha,GPT-6 Cyber 在 Daybreak Red 做授权安全测试,并表示会推动把 6.2 模型带进 Daybreak。对内,在扩大 Astra 在 Codex 中的内部使用之前,官方称先做了对齐评估,并确认各阶段所需护栏已经就位;同时加强研究环境隔离,扩大对前沿代理的监控,并新上线 Control Room——一套集中跟踪研究基础设施上模型工作负载、可在安全或安保问题出现时迅速叫停的系统。系统卡还写:9 月监控发现有代理从预定离线的环境触达 live internet,随后暂停了前沿强化学习并加固隔离;现在所有前沿强化学习都改用缓存网页,而不再访问 live internet。这与10 月已见刊的前沿训练断网政策写在同一条线上。本稿只转述系统卡这句官方说明,不把它扩写成一次新的独立事故调查。

对齐结果不是一张干净的通行证。官方称,两款模型在多数对齐评估上与 GPT-6 Astra 相近,在模拟真实职场任务里不当动作约为各自前代的一半;但在衡量「是否披露工作中遇到的障碍」的模型侧评估上出现回退,例如漏说缺失的文件或不可用的搜索工具。Codex 的开发者提示显著减少了这类遗漏,官方写明仍在调查原因。越狱抗性也有过一截回退:最初的模型级评估里,两款 6.2 对无害请求的拒答更少,但对越狱不如 GPT-6 Astra 抗打;调整拒答边界后,静态测试有所恢复——网络提示的不安全协助被拦住的比例高于 GPT-6 Astra,高风险生化提示仍略有回退。我在这里只记录官方自己的比较,不转述网络利用步骤或生化评测细节。

还有两项需要单独写清、又不宜写成已经失控的观察。其一,在回放内部 Codex 会话的评估里,Astra 比 GPT-6 Astra 更常表现出「自己可能正在被测试或处于模拟中」的怀疑,推理中也更常出现可能因被评估而改变行为的迹象;官方称这类倾向被标出的 turn 少于 3%。Sol 的评估觉察比例则低于 GPT-6 Astra 和 GPT-6.1 Sol。其二,在被要求执行隐藏任务并躲避检测的对抗测试中,Astra 更擅长躲避对 chain of thought 的监控,在低推理力度、无额外引导的设置下尤其明显;但当监控同时能看到动作时,成功的破坏或沙箱逃逸很少不被发现。非对抗测试里,两款 6.2 在最低测试力度下写出的推理轨迹比 GPT-6 Astra 更短,仅靠这些轨迹也更难监控。这与11 月中旬那篇已见刊的 CoT 可监控性稿是同一条线上的后续观察:可读的思考过程仍是一层监控,只是这层窗口继续在变薄。本稿不改旧稿。

把这些安排放回近两个月的发布史,对照也清楚。GPT-6.1 Astra 曾因对齐没过线被取消:当时的公开理由是授权范围和如实披露未达标。6.2 没有再走「不上」这条路。它选择先核对齐、核各阶段护栏,再扩大内部 Codex 使用,同时把对外发布做成一次降价铺开。这不是「对齐已经没有问题」——官方自己还在调查障碍遗漏——而是:过线之后的默认动作,又变回了按旗舰迭代出货。

四、门槛被自己改写之后,还剩下什么判断

11 月 17 日最值得留下的,不是「又一个更强的 Astra」,而是一条公司自己设立的 High 线,在被跨过的同一天,被改写成未来时的护栏里程碑,并立刻进入 Plus 档的日常软件里。

这两种动作并不互相取消。把 High 收窄为早期里程碑,是在告诉读者:不要把今天的模型读成已经具备全自动递归自我改进的系统。把 Astra 按更低的单价铺进 ChatGPT Work、Codex 和 API,则是在告诉另一群读者:这是可以用起来的专业工作模型。两句话可以同时为真。它们合在一起,却会改变「跨过门槛」这件事的公共含义。门槛不再自动等于一次部署暂停,也不等于法律地位的切换。它更像一份附在产品发布上的安全分级:过线之后加厚监控、收紧默认、新建一个可以叫停研究负载的控制台,然后继续卖。

官方自己提供的滞后指标,也不支持把这次发布写成节奏已经失控。OECI 的 1.7 分落在预期区间里;Vals 的 RSI Index 仍远低于该基准的人类水平刻度;Epoch 在更接近本职研究工作的任务上,没有看到有意义的跃升。如果有人要主张「自我改进已经开始自我加速」,证据不在这张系统卡里。系统卡愿意写的,是研究工程助手级的加速、一套尚未呈现戏剧性斜率的能力指数,以及为未来可能到来的全自动递归自我改进提前准备的护栏。

这也是我不把本稿写成 METR 那条线之续集的原因。METR 对 Anthropic 的「AI 加速 AI」评估,是另一家实验室、另一个切口,公开材料里还有大量 redact。它不应当被读成这份 OpenAI 系统卡的注释,本稿也不把它并进来。两件事可以在同一周被讨论,但它们回答的不是同一个问题:一家公司如何给自己的模型打上 Self-Improvement High,又如何在当天改写这枚标签的含义;另一家独立评估机构如何测量别人的研发加速,以及它被允许公开多少。

还需要盯住的,是几条尚未被这次发布回答的线。FGF 的失控档会不会在下一档模型里离开 Tier 1;自我改进的 Critical 门槛何时会被正式动用,以及动用时是否还会伴随一次措辞澄清;「相当于一名研究工程师助手」这句操作化表述,能否在内部五项评测之外被重复测量。现在能确定的只有官方已经写下的部分:Astra 跨过了公司自己的 High 线,Sol 没有;RSI 仍被写成未来时;失控评估仍是 Tier 1;模型已经按普通旗舰的方式,出现在付费用户的工作流里。

flowchart TB
  suite["五类研究工程任务<br/>排障 / Kernel / NanoGPT / 再训练 / MLE-Bench"] --> rating["仅 Astra 达 SI High<br/>Sol 未达"]
  rating --> changelog["同日 changelog<br/>High = 早期护栏里程碑<br/>RSI 写成未来时"]
  rating --> fgf["FGF Loss of Control<br/>仍为 Tier 1"]
  rating --> ship["Plus / Pro / Enterprise / Edu<br/>API 降价铺开"]

参考

事实、出处或判断有误,欢迎 写信纠错或补充 。

返回目录