OpenAIは2026年8月7日、次期モデル「Astra」の内部評価において、人間の介入なしに零日の脆弱性を発見・開発できる可能性があると発表した。同社は安全性確保のため、開発活動を一時停止し、厳格な制御措置を講じている。
OpenAIは2026年8月7日、次期モデル「Astra」に関する内部評価の結果を発表した。最新の評価では、モデルが高度な自律型コーディングとサイバーセキュリティの能力において顕著な進歩を示していることが確認された。
同社は、これらの結果を踏まえ、事前準備フレームワークに基づき、このモデルが重大なサイバー攻撃能力（Critical cyber capabilities）を持つ可能性を排除できないと判断した。具体的には、多くのハード化された現実世界の重要システムにおいて、人間の介入なしにあらゆる深刻度のゼロデイ脆弱性を特定・開発できる能力や、高レベルの目標のみを与えられても、対象へのエンドツーエンドの新たなサイバー攻撃戦略を考案・実行できる水準にあると評価している。
この可能性を受け、OpenAIはAstraの開発における安全性確保のため、複数の措置を講じた。まず、より高い能力を持つモデルに関連する活動には厳格なセキュリティ制御を実施し、分離されたテスト環境やネットワークアクセスの制限、モデル重みの保護強化などを導入した。また、これらの新しい制御要件を満たさない内部活動については、一時的に停止している。
さらに、Astraのすべてのエージェントアプリケーションにおいて、リスクのある行動やアライメントの逸脱を監視する仕組みを導入し、思考プロセスを評価して高リスク活動を即時検知・中断できる体制を整備した。今後は政府機関や選択されたAI安全性組織と協力し、このモデルの能力テストを実施する予定である。