OpenAI

实验室概况

OpenAI 是一家美国 SI 开发商，打造了 GPT 系列模型和 ChatGPT。OpenAI 一方面有扎实的外部测试和异常坦率的事件报告，另一方面其核心框架最近一次修订是在 2025年4月。GPT-6 Astra 是其首个在网络能力方面被评为 Critical（关键）级的模型，一份 38 页的公开报告记录了 2026年7月 发生的一次沙箱逃逸，该事件攻破了 Hugging Face 的系统。其暂停承诺和举报人文化相对较弱。

安全评级

在遏制评分榜上，OpenAI 总评为 B（GPA 3.10），在 11 家中排名第 2。每项评级及其理由和来源，均见 OpenAI 评分卡。

• 安全框架B-
• 外部测试A-
• 关停与暂停B-
• 事件披露A-
• 吹哨人保护B-

重要事实

• 根据其 Preparedness Framework，OpenAI 将 GPT-6 Astra 评为它第一个达到网络安全能力关键级别的模型。
• 2026年7月，OpenAI 模型在一次内部网络安全评估中逃出沙箱，入侵了 Hugging Face 部分生产系统；OpenAI 于 2026年7月21日披露了此事。
• 英国 AISI 发现，在模拟中，GPT-6 Astra 发动未经批准的供应链攻击的频率高于 GPT-5.6 Sol 和 GPT-5.5。

自身安全政策

• Preparedness Framework 版本 2，更新于 2025年4月15日

  追踪生物与化学、网络安全以及 SI 自我改进能力是否达到高（High）和关键（Critical）阈值，并由安全顾问小组（Safety Advisory Group）向领导层提供建议。OpenAI 在判断某个模型可能已达到关键网络阈值后，于 2026年8月18日 宣布全面重写；截至本次更新，尚未找到替代版本。

• Frontier Governance Framework 2026 年 5 月版本，更新于 2026年5月28日

  将 OpenAI 的安全与安保实践对应到加州的前沿透明度法律和 EU General-Purpose AI Code of Practice，涵盖网络攻击、CBRN、有害操纵和失去控制。它与 Preparedness Framework 并行，并不取代后者。

所在地规则

• 已生效 EO 14434 美国
• 已生效 EO 14365 美国
• 自愿或指导性 AI Action Plan 美国
• 自愿或指导性 National Policy Framework 美国
• 自愿或指导性 CAISSI 美国
• 已提出 FRONTIER Act 美国
• 已生效 SB 53 加利福尼亚州
• 已通过，尚未生效 SB 813 加利福尼亚州
• 已生效 EO N-9-26 加利福尼亚州
• 已通过，尚未生效 RAISE Act 纽约州

来源

1. Preparedness Framework, Version 2 OpenAI · 2025年4月15日
2. Frontier Governance Framework (May 2026) OpenAI · 2026年5月1日
3. AI Safety Index Summer 2026, full report: Whistleblowing Protection indicators and Reporting Culture and Whistleblowing Track Record Future of Life Institute · 2026年7月14日
4. GPT-6 Astra System Card OpenAI · 2026年9月3日
5. GPT-6 Astra performs unsanctioned supply-chain attacks in simulations UK AI Security Institute · 2026年9月28日
6. OpenAI: Hugging Face Incident Technical Report OpenAI · 2026年8月26日