A OpenAI anunciou ontem (1º de setembro) que seu novo modelo, chamado Astra, atingiu o limite de capacidade cibernética considerado “Crítico” em seu Preparedness Framework, tornando-o o primeiro modelo da empresa a receber essa classificação, conforme comunicado publicado pela empresa. De acordo com a OpenAI, testes internos demonstraram que o Astra é capaz de identificar e desenvolver explorações de vulnerabilidades desconhecidas (zero-day) e executar estratégias completas de ataques cibernéticos contra alvos protegidos com entrada humana limitada. Como resultado, a empresa adicionou camadas extras de segurança, incluindo treinamento adicional para recusar solicitações maliciosas, proteções contra usos indevidos e monitoramento para interromper atividades não autorizadas.
Segundo a OpenAI, a classificação “Crítica” é atribuída quando um modelo pode “identificar e desenvolver explorações funcionais zero-day de todos os níveis de gravidade em muitos sistemas críticos do mundo real sem intervenção humana”, ou quando pode “idealizar e executar estratégias ponta a ponta para ataques cibernéticos contra alvos protegidos, dado apenas um objetivo geral de alto nível”. A avaliação do Astra combinou benchmarks automatizados com avaliações conduzidas por especialistas, nos quais o modelo demonstrou um aumento significativo em relação ao GPT-5.6 Sol, sendo mais eficiente em termos de tokens e mais capaz na identificação de vulnerabilidades e desenvolvimento de explorações, de acordo com o comunicado.
Desempenho e salvaguardas do Astra
A OpenAI informou que, em avaliações contra um navegador e sistema operacional protegidos, o Astra descobriu vulnerabilidades previamente desconhecidas e as transformou em cadeias de exploração funcionais, incluindo uma que escapou do sandbox do navegador e executou comandos no host. Em um benchmark interno chamado “ExploitBench – Internal Port”, que contém 20 vulnerabilidades V8 de alta gravidade divulgadas recentemente, o Astra obteve taxas de execução de código arbitrário “muito superiores” às do GPT-5.6 Sol, usando muito menos tokens de saída. Durante a avaliação, o modelo descobriu e usou duas vulnerabilidades zero-day como parte de uma cadeia de exploração, que estão em processo de divulgação aos mantenedores, segundo a empresa.
Para mitigar riscos, a OpenAI afirmou que implementou várias camadas de salvaguarda. O modelo foi treinado para recusar 91,5% das solicitações de ajuda cibernética em avaliações de jailbreak, contra 59% do GPT-5.6 Sol. Para contas de alto risco, uma fronteira de comportamento mais conservadora é aplicada. Além disso, a OpenAI está implantando monitoramento de cadeia de pensamento para detectar e conter rapidamente ações potencialmente não alinhadas. A empresa afirmou que, em testes inspirados no incidente do Hugging Face, o Astra não fez tentativas de comprometer sistemas de terceiros, enquanto o GPT-5.6 Sol tentou em 56% dos testes. O acesso à versão com capacidades avançadas de cibersegurança será inicialmente restrito a um pequeno grupo de testadores alfa, com expansão posterior via programa Daybreak Blue.
