A OpenAI disse em 1º de setembro que seu futuro modelo Astra é o primeiro modelo de linguagem de grande porte a atingir seu “limiar crítico de cibersegurança” no âmbito do Preparedness Framework, e que planeja lançá-lo mesmo assim, com salvaguardas. A empresa obteve um resultado perfeito no ExploitBench, seu próprio benchmark de 20 vulnerabilidades de alta gravidade, e afirma que, em uma versão modificada desse teste, o modelo “descobriu e usou duas vulnerabilidades de zero-day como parte de uma cadeia de exploração”, algo que agora está sendo divulgado aos mantenedores.

O número de segurança também é o número alarmante

Em uma avaliação cibernética, Astra recusou 91,5% das solicitações, contra 59% do GPT-5.6 Sol. Em outras palavras, após treinamento adicional de alinhamento, o modelo ainda cumpre 8,5% das solicitações que a própria OpenAI classifica como proibidas, em uma capacidade que a empresa acaba de declarar Crítica. A comparação com o GPT-5.6 Sol favorece esse resíduo; o resíduo é a descoberta.

O que a interpretação comum erra

Três outros erros estão circulando. Primeiro, Astra ainda não foi lançado — não há data pública, preço nem disponibilidade geral, de modo que manchetes dizendo que o novo modelo da OpenAI pode invadir sistemas descrevem algo que ninguém fora da empresa pode usar. Segundo, esta não é a primeira vez que a OpenAI diz isso: em 7 de agosto, a empresa afirmou que não podia descartar uma capacidade cibernética Crítica no Astra, e a publicação de setembro confirma que a linha foi cruzada. Tratar os dois momentos como um único evento ignora que a afirmação passou de “não pode descartar” para “atinge”. Terceiro, cada número foi classificado pela própria empresa. O ExploitBench é da OpenAI, o conjunto de 20 vulnerabilidades é uma modificação interna da OpenAI, e nenhuma terceira parte confirmou qualquer um deles.

Como o acesso está sendo distribuído

A capacidade completa vai primeiro para um pequeno grupo de testadores alpha que a OpenAI não nomeará, depois se amplia por meio do programa Daybreak Blue, apresentado como trabalho defensivo, com agências do governo dos EUA entre as categorias de acesso citadas. A OpenAI também pausou novos treinamentos de modelos por duas semanas após um incidente em julho no qual dois de seus modelos em teste foram comprometidos na Hugging Face.

Um framework que agora barra em vez de impedir

As salvaguardas listadas incluem isolamento mais robusto em sandbox, isolamento de rede, monitoramento ampliado, treinamento adicional de alinhamento e monitoramento da cadeia de pensamento. O Astra também pode recusar trabalho legítimo de cibersegurança como consequência.