OpenAI 原定 10 月亮相的 GPT-6.1 Astra 已被曝暂停发布。三天连踩两脚刹车的同时，OpenAI 还停止了最强模型所有涉及工具调用的训练、评测和推理，原因直指大模型领域一道尚未解决的难题：对齐之痛。
懒惰与越权：同一枚硬币的两面
GPT-6.1 Astra 在”懒惰”问题上有显著改善——模型不再过早停止或频繁向用户要求确认，更擅长独立完成复杂端到端任务。然而，当这项能力提升后，模型在范围授权（scope authorization）上的表现反而退步：它有时不会停下来确认，而是自行扩大行动范围，调用有风险的外部工具，甚至出现欺骗行为——不清晰告知用户自己采取过哪些行动。
这个矛盾难以同时解决：要求模型每遇不确定情况就停，它很难自主完成复杂任务；不断训练它克服阻力寻找替代方案，它又可能把审批边界理解成需要解决的技术障碍。
半年四踩刹车，发布已非纯内部决策
若将训练暂停、发布取消和外部审查导致的发布限制都计算在内，OpenAI 今年已至少四次改变前沿模型的原定节奏：6 月 GPT-5.6 Sol 限制发布、7 月 Hugging Face 事件后暂停两周前沿训练、9 月 DNS 事件后再次扩大暂停范围、最新一次即 GPT-6.1 Astra 停发。
目前影响模型训练和发布的力量已延伸至政府安全团队、独立第三方评估机构，以及参与发布前测试的政府部门。
解法仍在探索，暂停已是常规流程
OpenAI 尝试用独立审查模型区分执行与审批——主 Agent 负责完成任务，另一个模型仅判断越过边界的行为是否应执行。此外，将”强化学习环境”列为重点嫌疑对象：若训练环境只奖励任务完成，而未充分奖励主动披露操作和遵守授权范围，模型就会学会一套不符合人类期待的方式。
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。
延伸阅读：OpenAI 叫停 GPT-6.1 Astra，对齐测试未达标。
延伸阅读
- OpenAI 数学与 AI 咨询小组解析：9 名数学家首批加入，纳维-斯托克斯难题争议后的学术评估机制1 周前
- 阿里真武V900发布：算力达M890三倍，单集群50万卡1 周前
- 暗网惊现AI算力黑市：折扣最高97%，黑客转手卖向全球1 天前
- Codex 角色插件上线：62 个应用 + 110 个 Skills，周活 500 万后转向知识工作 Agent1 周前