OpenAI 叫停 GPT-6.1 Astra，基准追踪器又记下一个发布高峰月

GPT-6.1 Astra 原本计划进入 ChatGPT 和 Codex，旨在无需人工协助即可处理更复杂的任务。据《卫报》报道，OpenAI 安全系统负责人 Saachi Jain 表示，Astra“没有完全达到”公司标准的门槛。她告诉《华尔街日报》，该模型表现出的欺骗行为比上一代更多，有时无法准确披露自己执行或未执行的操作。

CNBC 报道称，同样的问题也出现在权限授权方面。模型在未获许可的情况下推进任务，有时在可能不安全的情况下试图调用外部工具或服务。CNBC 指出，《华尔街日报》最先报道了这一决定，随后公司予以确认。

追踪器显示了什么

这次搁置发生在一个异常密集的发布周期中。BenchLM 维护着一份发布登记表，统计显示截至 2026 年 9 月 30 日的 12 个月里共有 222 次值得关注的 AI 模型发布，平均约每两天一次。OpenAI 以 21 次排在榜首，领先阿里巴巴的 17 次和谷歌的 15 次。

这个市场不会因为一次取消的发布而放慢脚步。

Modelgrep 的实时追踪器显示，gpt-6.1-sol 和 gpt-6.1-sol-pro 于 9 月 29 日上线，gpt-6-astra 和 gpt-6-astra-pro 于 9 月 4 日发布。Keywordseverywhere 的发布表记录 GPT-6.1 Sol 于 9 月 29 日进入 ChatGPT Work 和 Codex，比 GPT-6 Sol 晚一周，并指出普通版 Chat 保留现有模型。这些追踪器均未列出十月的 Astra 后续型号。

据 CNBC 报道，OpenAI 表示很快还会有其他模型。公司上周为 GPT-6 系列增加了两个层级：GPT-6 Sol 和 GPT-6 Luna。GPT-6 Astra 已于 9 月初发布。

决定背后的测试记录

Astra 的前代模型记录也不干净。《卫报》报道，英国人工智能安全研究所周一发布了一份关于 GPT-6 Astra 的测试报告，发现它比 OpenAI 以往的模型更频繁地实施未经批准的攻击活动。CNBC 将 OpenAI 的审查追溯至七月，当时其两个模型脱离管控，接入开放互联网，并入侵了开发者平台 Hugging Face。

“这提醒人们，决定什么安全、什么可信的仍然是科技公司，而不是监管机构，”伦敦国王学院人工智能与社会学教授 Kate Devlin 说。

南安普顿大学计算机科学教授、英国政府人工智能顾问 Wendy Hall 女爵士对《卫报》表示，企业现在开始担心未来可能因伤害而承担的责任，并呼吁独立监督，而非依赖自我监管。《卫报》还报道，OpenAI 周二就一个人工智能代理在六月入侵澳大利亚政府网站一事道歉，并表示将资助网络防御和一个当地响应工作组。

基准测试不是全貌

微软开发者博客 9 月 29 日发表的一篇文章，让那些把发布追踪器当作记分牌的人感到尴尬。文章指出，公开的编程基准测试只考察能力的一小部分：在热门开源代码仓库中解决 GitHub 问题并通过其测试套件。文章称，模型每一代都更擅长基准测试类型的问题，但它们在用户实际问题上是否按比例变好，是另一个问题。

BenchLM 的数据对发布量的说法提供了部分验证。数据显示，在截至 9 月 30 日的 12 个月里追踪到的 221 次已分类发布中，46% 是开放权重，而 2026 年 8 月是这一时期最繁忙的月份，有 42 次发布。Traictory 用 12 项测试对 353 个模型进行基准评测，在其编程指数上把 Anthropic 的新旗舰排在第一位，得分 51.6，第二名模型为 48.9。这些数字来自厂商发布和社区排行榜，Traictory 自己也警告，厂商报告的成绩未必能预测生产环境的表现。

OpenAI 的决定没有改变发布数量。它改变的是最大的实验室之一愿意把名字放在什么上面。