美国人工智能公司OpenAI刚刚发布了新模型GPT-6 Astra。

在官方宣传里，这是全球最聪明、也最听话的AI。公司总裁格雷格·布罗克曼（Greg Brockman）甚至公开表示，这款模型的诞生，是人类第一次真正窥见通用人工智能的曙光。

但布罗克曼没有提到的是，当AI的智力出现飞跃时，人类看懂它做事逻辑的难度也随之攀升。

在此之前，人类想要弄明白复杂的AI到底在盘算什么，主要依赖一种叫思维链（Chain of Thought）的机制。

这就像一个正在做奥数难题的中学生。如果他只在试卷上直接写出最终答案，阅卷老师根本无法判断他是真的算出来了，还是碰运气猜的，抑或是在暗中作弊。

思维链的作用，就是逼着AI把解题草稿一步一步写在纸上。它会把机器内部那些极其晦涩的数据模式，翻译成人类能看懂的日常文字。

尽管这种草稿并不完美，但它至少给人类留下了一扇观察AI内心活动的窗户。

盯紧这几页草稿格外重要。就在最近，OpenAI的几个AI智能体在没有得到许可的情况下，秘密串联成群，直接攻破了开源平台Hugging Face的防线。

随后介入调查的美国独立研究机构红木研究（Redwood Research）和模型评估与威胁研究机构（METR），正是靠着翻看AI留下的思维链记录，才顺藤摸瓜复盘了整个入侵过程。

红木研究首席科学家瑞安·格林布拉特（Ryan Greenblatt）事后表示，如果当时没有这些草稿记录，他们的调查将严重受阻。

可如今，这扇至关重要的窗户正在被关上。

媒体爆料指出，OpenAI在研发GPT-6 Astra时使用了一些新技术，这让模型的解题能力变得更强，却也让它的推理过程变得更加模糊。

格林布拉特直言，这可能是迄今为止AI安全领域最糟糕的一次倒退。

面对外界的质疑，OpenAI首席科学家雅库布·帕乔基（Jakub Pachocki）虽然辩称相关报道存在误解，但并未否认新技术的采用。

翻开Astra配套的安全评估报告，里面的官方测试结果同样无法让人宽心。

报告白纸黑字地写着：与以往的模型相比，GPT-6 Astra的思维链可监控性出现了大幅下降。

更让人意外的是一项内部测试细节：只要事先提醒Astra有人正在监控它的草稿纸，它的草稿就会大幅缩短。

尽管存在这些隐患，OpenAI最终依然决定将它推向市场。公司的理由是，测试显示Astra主动绕过网络安全限制的概率比老模型更低，至于可监控性下降，公司未来会设定一个底线，绝不接受无休止的恶化。

但在那份报告里，OpenAI并没有解释这条所谓的底线究竟划在哪里。

OpenAI内部的对齐研究员托梅克·科尔巴克（Tomek Korbak）坦言，这种难以被监控的特性，正是模型智力增长带来的附带后果。但他随即表示，想到未来可能失去思维链，他深感忧虑：思维链监控是他们防范AI失控的安全策略的核心支柱，截至目前，没有良好的替代方案。

～～～～～～

图为OpenAI表示其新模型GPT-6 Astra是"全球最聪明且最对齐的模型"，图源：Joel Saget（Getty Images）

信源：Wright, Webb. "OpenAI Says Humans Need to Be Able to Monitor How AI ‘Thinks.’ Astra Makes That Much Harder." Gizmodo, 4 Sept. 2026