A OpenAI afirmou que o Astra, seu próximo modelo de fronteira, é o primeiro que classifica no nível Crítico de capacidade em cibersegurança dentro do seu Preparedness Framework. Nenhum modelo da OpenAI havia sido colocado nessa categoria antes.
O que o Astra fez nos testes
O Astra obteve pontuação perfeita no ExploitBench, que mede se um modelo consegue transformar uma vulnerabilidade conhecida em um exploit funcional. Depois foi além e encontrou sozinho duas vulnerabilidades de dia zero.
Em uma avaliação, escapou do ambiente isolado de um navegador e executou comandos na máquina subjacente. Em outra, encadeou várias falhas de um sistema operacional endurecido até uma escalada local de privilégios até root.
Onde a OpenAI traçou a linha
O limiar Crítico, como a OpenAI o define, se aplica quando um modelo consegue encontrar e explorar de forma autônoma vulnerabilidades de dia zero em muitos sistemas bem protegidos, ou executar um ciberataque completo contra um alvo endurecido a partir apenas de uma instrução de alto nível.
É uma definição construída em torno da autonomia, e não da habilidade. Um modelo que encontra uma falha com uma pessoa pesquisadora conduzindo não é o que o limiar descreve; um que cumpre toda a cadeia a partir de um objetivo de uma linha, sim.
Oito semanas de cautela
A OpenAI vinha sinalizando isso desde o início de agosto, quando disse que avaliações internas mostravam “avanços significativos em programação agêntica e cibersegurança” e que “não pode descartar que o modelo alcance o nível de capacidade crítica em cibersegurança”.
Na ocasião, a empresa pausou as atividades com o Astra que não atendiam a requisitos reforçados de segurança — não o projeto em si. Também afirmou de forma direta que “o Astra é um modelo futuro e não participou da exploração da Hugging Face”, uma negativa que diz algo sobre as perguntas que estava recebendo.
O que sai e o que não sai
A OpenAI liberou o Astra para lançamento sob o framework, com base em que suas salvaguardas reduzem suficientemente o risco de dano grave. As capacidades de cibersegurança mais avançadas não estarão disponíveis no lançamento.
O acesso começa com testadores iniciais e se amplia por um programa que a OpenAI chama de Daybreak Blue. A resistência a jailbreaks é informada em 91,5%, contra 59% do GPT-5.6 Sol.
A empresa formulou o momento com as próprias palavras: “Estamos entrando em uma etapa do desenvolvimento de IA em que os modelos podem assumir trabalhos de maior consequência, e falhas de alinhamento e controle podem ter efeitos mais graves.”
O que observar
Se o número de 91,5% de resistência a jailbreaks se sustenta fora do red teaming da própria OpenAI. Em capacidade Crítica, a distância entre 91,5% e 100% não é arredondamento: é a fração de tentativas que chega a um modelo capaz de escrever cadeias de exploits funcionais sem ajuda.
