📌 #OpenAI新模型Astra失控争议

🎯 科技 · AI安全

🔥 OpenAI新模型Astra因"不透明循环"推理技术引发安全争议，首席科学家承认监控难度增加但仍坚持优化

当地时间9月2日，OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）在社交平台发文，就新模型Astra的"不可监控"争议作出回应。这场风波源于此前一天，有消息称即将发布的Astra模型采用了名为"循环深度"（Recurrent Depth）的推理技术。该模式下，同一组Transformer层被反复计算，部分推理过程发生在模型内部，不必全部以思维链形式呈现，因此被称为"不透明循环"。#OpenAI新模型Astra失控争议# 核心争议在于：当模型可以在内部隐式完成海量推理步骤，而不在输出中呈现完整思维链时，人类将无法追踪其思考过程，安全审计和思维链监控可能彻底失效。

AI安全界对此反应强烈。非营利AI安全组织Redwood Research首席执行官巴克·施莱格里斯发文称"极度担忧"，曾参与调查Hugging Face安全事件的Redwood Research首席科学家瑞安·格林布拉特表示"这可能是迄今为止AI安全最严重的一次倒退"。长期关注AI安全的作家兹维·莫肖维茨则批评这一技术是"玩火"，甚至表示需要法律来阻止AI实验室之间竞相降低标准的竞赛。

帕乔基在回应中强调，包括Astra在内的前沿模型，计算图深度与GPT-4相差不超过两倍，说明模型架构并未如外界担忧的那样出现跳跃式的复杂度增长。计算图深度是指模型完成一次推理任务必须依次执行、无法并行加速的最长计算步骤链条。过去普通Transformer架构下的层内计算可以大规模并行，串行的深度约等于模型层数。

帕乔基同时承认，思维链监控确实脆弱，且正朝着更困难的方向发展，但并非由架构变更导致。OpenAI自首批推理模型一直致力于维护和利用思维链监控，并认为该技术有助于观察模型对齐能力如何从训练分布中泛化。加强思维链监控仍是当前研究项目的核心目标。不过，这一回应未能完全平息安全界的担忧——毕竟，当模型内部推理深度不断增加，即使没有跳跃式增长，累积效应也可能导致监控失效。

循环深度技术的吸引力在于，它可以在不显著增加可见计算成本的前提下，通过内部反复迭代提升数学、编码等性能。这意味着在相同算力预算下，模型可以获得更强的推理能力。然而，这种"隐性计算"的本质代价是安全透明度的丧失。当模型可以在内部"默默思考"而不留下可追踪的痕迹时，无论是事前的安全对齐还是事后的事故调查，都将面临前所未有的挑战。

值得注意的是，就在Astra争议发酵的同时，美国国会已提出"AI紧急关停法案"，要求最先进的AI系统保留关停、限速等技术能力。OpenAI也在向议员表示，工程师正在为AI系统开发"自动关闭功能"。这表明整个行业正在意识到：AI能力的提升与安全可控必须同步推进，任何单向度的狂奔都可能在关键时刻付出惨重代价。Astra的争议，或许正是这场博弈的一个缩影。

综合第一财经、财联社报道 | 2026年9月3日