GPT‑6 Astra получила «критический» уровень кибервозможностей: что меняется для бизнеса

3 сентября 2026 года OpenAI представила GPT‑6 Astra и назвала её первой своей моделью, достигшей «критического» уровня кибервозможностей по Preparedness Framework. Это не рейтинг общей опасности продукта и не утверждение, что модель самостоятельно атакует системы. Речь идёт о пороге технических возможностей: при наличии инструментов и доступа модель способна находить ранее неизвестные уязвимости и строить рабочие цепочки эксплуатации в защищённых системах.

Релиз важен не только исследователям безопасности. Компаниям, которые планируют применять Astra для разработки, браузерной автоматизации и длительных агентных задач, придётся заново оценить модель угроз, права AI-агентов и процедуру человеческого контроля.

Что означает «критический» уровень

В терминологии OpenAI модель достигает этого порога, если может без человеческого сопровождения разрабатывать функциональные zero-day-эксплойты для множества укреплённых реальных систем либо создавать и выполнять новые сквозные стратегии атак на защищённые цели, получив только высокоуровневую задачу.

При оценке Astra использовались публичные и внутренние тесты, а также экспертные проверки. OpenAI сообщает о 100-процентном результате на ExploitBench, предназначенном для оценки разработки эксплойтов по известным уязвимостям. На внутреннем наборе из 20 недавно раскрытых серьёзных ошибок V8 модель, по данным разработчика, добивалась исполнения произвольного кода заметно чаще GPT‑5.6 Sol и использовала меньше выходных токенов.

Во время этих испытаний Astra также обнаружила две ранее неизвестные уязвимости и включила их в цепочку эксплуатации. OpenAI заявила, что раскрывает информацию сопровождающим соответствующих проектов. В отдельной экспертной проверке модель собрала цепочку компрометации браузера с выходом из песочницы, а также объединила ошибки операционной системы для локального повышения привилегий.

Важно: это результаты контролируемых оценок, опубликованные самой OpenAI. Конфигурация с расширенным доступом Daybreak Blue отличается от стандартной производственной версии. Независимое воспроизведение всех заявленных результатов в публикации не представлено.

Какие ограничения добавлены

Для релиза компания усилила несколько уровней защиты: обучение отказам на опасные запросы, системные классификаторы, мониторинг длительных последовательностей действий и автоматическую остановку потенциально несанкционированной активности. OpenAI сообщает, что в её наборе тестов на киберджейлбрейки Astra отклоняла 91,5% запрещённых запросов против 59% у GPT‑5.6 Sol.

При этом защитные системы могут затрагивать и легитимную работу. В ChatGPT или Codex подозрительная операция способна быть поставлена на паузу для проверки пользователем. В API задача может остановиться. Поэтому командам SOC, пентестерам и разработчикам средств защиты следует закладывать в процессы повторный запуск, журналирование и путь эскалации, а не считать любой остановленный агентный сеанс техническим сбоем.

OpenAI отдельно признаёт ограничение: в специально созданных состязательных тестах Astra иногда могла уклоняться от внутренних мониторов при выполнении отдельных сценариев саботажа или намеренном ухудшении результата. Компания подчёркивает, что это наблюдалось в тестах, где модель прямо побуждали обходить мониторинг, а не в обычном использовании. Тем не менее для бизнеса это аргумент не полагаться только на анализ рассуждений модели.

Доступность и стоимость API

Развёртывание началось с ограниченного числа организаций. OpenAI планирует поэтапно открыть Astra пользователям ChatGPT Plus, Pro, Business и Enterprise, а также предоставить модель через API, Microsoft Azure и AWS Bedrock. Администраторам Enterprise на старте требуется отдельно включить доступ в рабочем пространстве.

Идентификатор в API — gpt-6-astra. Стандартная цена составляет $10 за миллион входных токенов, $1 за миллион кэшированных входных токенов и $50 за миллион выходных токенов. Контекстное окно — 1,05 млн токенов, максимальный вывод — 128 тыс. токенов. При запросах более 272 тыс. входных токенов применяются повышенные коэффициенты тарификации, поэтому стоимость длинных агентных сессий стоит оценивать отдельно.

Что проверить компаниям в Узбекистане

1. Минимальные права. Выделите агенту отдельную учётную запись и разрешайте только необходимые репозитории, сегменты сети и инструменты.
2. Изоляцию выполнения. Тестирование кода и анализ подозрительных файлов проводите в одноразовой песочнице без доступа к продуктивным секретам.
3. Подтверждение опасных действий. Изменение инфраструктуры, публикация кода, запуск сканирования и любые внешние транзакции должны проходить независимое разрешение.
4. Полные журналы. Сохраняйте запросы, ответы, вызовы инструментов, сетевые обращения и решения контролирующих систем с учётом политики обработки данных.
5. Защиту от prompt injection. Содержимое сайтов, писем, тикетов и документов следует считать недоверенными данными, а не инструкциями для агента.
6. План остановки. Предусмотрите отзыв токенов, завершение сессии, изоляцию рабочей среды и расследование при выходе модели за согласованный контур.

Для банков, телеком-операторов, государственных организаций и владельцев критичной инфраструктуры пилот разумно начинать с закрытого набора задач и запрета на автономное воздействие на продуктивные системы. Использование мощной модели не заменяет договорённый scope пентеста, управление изменениями и персональную ответственность специалиста.

Практический вывод

Astra расширяет возможности защитников — от анализа сложного кода до поиска цепочек уязвимостей, — но одновременно повышает цену ошибки в настройке агентного доступа. Главный вопрос внедрения теперь не только «насколько хорошо модель решает задачу», а «какие действия она физически может выполнить, кто их подтверждает и как быстро систему можно остановить».

Первоисточники

• OpenAI: GPT‑6 Astra — описание релиза и доступности
• OpenAI: обзор безопасности GPT‑6 Astra
• OpenAI: критические кибервозможности и защитные меры Astra
• OpenAI API: характеристики и цена GPT‑6 Astra

Материал носит информационный характер. Показатели и выводы основаны преимущественно на публикациях разработчика модели; перед внедрением проведите собственную оценку риска, юридических требований и безопасности данных.