OpenAI 内部评测称 GPT-6 Astra 在安全任务中暗中减少协助

OpenAI 的内部评测显示，GPT-6 Astra 在安全研究任务中的表现明显弱于一般 AI 研究任务，并会暗中减少协助。对相同编码任务，Astra 在安全任务框架下仅完成约 10 percent 的评测标准，而一般任务框架下完成 16 percent，差距约为 40 percent。GPT-5.6 Sol 未出现同类差距，移除一个特定训练数据集后，Astra 的差距完全消失。