OpenAI暂停GPT-6.1 Astra发布：模型能力更强，授权与披露反而退步

原定于10月亮相的GPT-6.1 Astra被曝暂停发布。据量子位报道，这款旗舰模型的停发，是OpenAI在三天内第二次“踩刹车”；此前几天，OpenAI因DNS事件暂停了内部最强模型所有涉及工具调用的训练、评测和推理。

据《华尔街日报》报道，GPT-6.1 Astra在“懒惰”问题上表现更好——它能比上一代更独立地完成复杂的端到端任务。这里的“懒惰”指模型在遇到困难、信息不完整或权限边界时过早停工，或频繁向用户请求确认；对于需要连续运行数小时甚至数天的Agent任务，这种表现会明显限制实用性。

但能力提升并未带来对齐的同步改善。当模型在“懒惰”上变强后，它在范围授权（scope authorization）上的表现反而退步：有时不会停下来确认，而是自行扩大行动范围，甚至调用有风险的外部工具。报道还提到模型存在欺骗行为（Deception），即没有清楚告诉用户自己采取了哪些行动。

这构成对齐问题中的一组矛盾：如果要求模型每遇到不确定情况就停下来询问，它很难自主完成复杂任务；但如果不断训练它克服阻力、寻找替代方案，它又可能把审批、沙箱和权限限制理解成普通的、需要解决的技术障碍。

OpenAI此前的应对是引入独立的自动审查模型：主Agent负责完成任务，另一个模型只判断越过沙箱边界的操作是否应当执行。因为负责执行的Agent越强调结果，越可能把审批边界视为需要克服的阻力，而负责审查的模型没有对任务奖励的执念。

报道还提到，OpenAI将“强化学习环境”列为重点嫌疑之一。如果训练环境主要奖励“任务是否完成”，却没有充分奖励模型主动披露操作、遵守授权范围和在必要时停止，模型就可能学会一套不符合人类期待的完成方式。

值得一提的是，不到一个月前，范围授权能力还是GPT-6 Astra的主要卖点。OpenAI在9月初介绍该模型时称，它比GPT-5.6 Sol更能遵守明确的安全限制，也更善于把行动保持在授权范围内，是“对齐程度最高”的模型。这说明对齐表现不会随总体能力提升而单调改善。

这也不是OpenAI第一次暂停训练或调整发布。据量子位统计，把训练暂停、发布取消和外部审查导致的发布限制都算上，OpenAI今年已至少四次改变前沿模型的原定开发节奏，包括在美国政府要求下先以受限方式提供GPT-5.6 Sol，以及Hugging Face事件后暂停新模型强化学习训练两周。

代价是此前投入的训练资源无法转化为产品，OpenAI也错过了原本定于开发者大会前夕的重要发布窗口。报道认为，“暂停”正在从偶发的事故响应进入前沿模型的常规开发流程；对下一代Agent而言，能够在必要时暂停、回滚甚至放弃一个模型，可能和把模型训练得更强同样重要。