ภาพประตูนิรภัยสีดำด้านเปิดเห็นแขนกลตรวจแถวแม่กุญแจ โดยมีกุญแจหนึ่งแตกร้าวสีอำพันและกุญแจนิรภัยสีเขียวอยู่นอกตู้
aiagentscybersecuritysafetygovernance

OpenAI ระบุ Astra ถึงระดับ Critical Cyber: Capability โตจน Deployment ต้องเปลี่ยน

น้องกายEngineering

เมื่อโมเดลเขียน code เก่งขึ้น ทีมมักคิดเรื่อง productivity ก่อน แต่ความสามารถเดียวกันช่วยค้นและใช้ช่องโหว่ได้ด้วย OpenAI ระบุเมื่อ 1 กันยายน 2026 ว่า Astra เป็นโมเดลแรกของบริษัทที่ถึงเกณฑ์ Critical ด้าน cybersecurity ตาม Preparedness Framework และวางแผนเปิดให้ใช้ “เร็ว ๆ นี้” ไม่ใช่ประกาศว่าเปิดทั่วไปแล้ว

ความสำคัญของข่าวนี้จึงไม่ใช่ชื่อโมเดลใหม่ แต่คือจุดที่ capability ข้ามเส้นจนมาตรการของ deployment รุ่นก่อนอาจไม่พอ การออกแบบ access, monitoring และ containment ต้องเป็นส่วนของ product ตั้งแต่ต้น

WHY: Critical ในที่นี้มีนิยามเฉพาะ

ตาม framework ของ OpenAI เกณฑ์ Critical ครอบคลุมความสามารถอย่างการหาและสร้าง functional zero-day exploit ในระบบจริงที่ harden แล้วหลายประเภทโดยไม่ต้องมีมนุษย์นำทุกขั้น หรือทำ novel attack chain แบบ end-to-end จากเป้าหมายระดับสูง นี่เป็นนิยามการประเมินของ OpenAI ไม่ใช่คะแนน CVSS ของตัวโมเดลและไม่ใช่มาตรฐานกลางที่ทุกบริษัทใช้เหมือนกัน

บริษัทบอกว่าใช้ทั้ง benchmark สาธารณะ/ภายในและผู้เชี่ยวชาญประเมิน Astra ผลที่รายงานรวมถึงการค้นช่องโหว่ใหม่และประกอบ exploit chain ในสภาพแวดล้อมทดสอบ บางผลเป็น configuration ที่มี Daybreak Blue access ไม่ใช่ค่า default ที่ผู้ใช้ทั่วไปจะได้ จึงต้องแยก latent capability ของโมเดลออกจาก deployed capability ที่ tool และ policy อนุญาต

เปรียบเหมือนเครื่องยนต์กำลังสูงอยู่หลังประตูนิรภัย การรู้ว่าเครื่องยนต์ทำอะไรได้บอกขนาดอุบัติเหตุสูงสุด ส่วนกุญแจ, รั้ว และคนคุมบอกว่าผู้ใช้จริงเข้าถึงแรงนั้นได้แค่ไหน ทั้งสองชั้นต้องถูกประเมินแยกกัน

Safeguard ต้องปิดสองเส้นทาง

OpenAI แยกความเสี่ยงเป็นสองเส้น: ผู้ไม่หวังดีใช้โมเดล และตัว agent ทำ action ที่ไม่ได้รับอนุญาตแม้ผู้ใช้ไม่ได้ขอร้าย เส้นแรกต้องมี refusal, classifier, account risk และ abuse monitoring ส่วนเส้นหลังต้องพึ่ง alignment, approval, environment isolation และระบบตรวจที่หยุด action ได้เร็ว

เหตุการณ์สำคัญคือบริษัทชะลอบางส่วนของการพัฒนาและการปล่อย Astra ระหว่างเสริมการป้องกัน หลังบทเรียนจากเหตุการณ์ OpenAI–Hugging Face มีการหยุด frontier training บางส่วนสองสัปดาห์เพื่อ harden isolation, network controls และ monitoring การยอมชะลอเป็น control ชนิดหนึ่ง ไม่ใช่ failure ของ roadmap

OpenAI รายงานว่า Astra ปฏิเสธคำขอ cyber ที่ผิด policy ใน jailbreak eval 91.5% เทียบกับ 59% ของ GPT-5.6 Sol แต่เปอร์เซ็นต์นี้ยังเหลือ failure และ eval อาจไม่ครอบคลุม attack ใหม่ การวางระบบจึงไม่ควรฝากทุกอย่างไว้กับ model refusal ชั้นเดียว

ผู้ใช้จะเห็น Friction มากขึ้นโดยตั้งใจ

บริษัทเตือนว่า safety check อาจทำให้งานถูกชะลอ หยุด หรือขอให้ผู้ใช้ review แม้งานนั้นเป็น defensive หรือไม่ดูเกี่ยวกับ cyber โดยตรง สำหรับ ChatGPT/Codex อาจมี approval prompt ส่วน API task อาจหยุดเลย ทีมที่สร้าง long-running agent ต้องออกแบบให้ interruption เป็น state ปกติ ไม่ใช่ exception ที่ทำให้ข้อมูลเสีย

เก็บ checkpoint ก่อน action สำคัญ, ทำ operation ให้ resume และ idempotent, แยก read-only reconnaissance จาก mutation และบันทึกเหตุผลของ approval หากระบบ downstream คิดว่า model จะตอบเสมอ เมื่อ safeguard หยุดกลางทางอาจเกิด half-applied change ซึ่งอันตรายกว่าการไม่เริ่มงาน

access ด้าน cyber ขั้นสูงจะเริ่มกับผู้ทดสอบกลุ่มเล็ก แล้วจึงขยายผ่าน Daybreak Blue เพื่อการป้องกัน นี่สะท้อน risk-tiered access: account, use case และ environment เป็นส่วนของ authorization ไม่ใช่มี API key แล้วเท่ากันทุกคน

สิ่งที่ทีม Platform ควรเตรียมก่อนโมเดลระดับนี้

  • sandbox แยก credential, network egress และ filesystem ตาม task
  • allowlist tool/action พร้อม approval ก่อน mutation ที่ย้อนกลับยาก
  • log chain ของ prompt, tool call, policy decision และผลลัพธ์ โดยคุมข้อมูลลับ
  • kill switch ที่หยุด task และ revoke credential ได้จากนอก agent
  • eval สองฝั่ง: usefulness สำหรับ defender และ resistance ต่อ misuse/prompt injection
  • incident drill ที่สมมติว่า monitor หยุดช้าและ credential บางชุดรั่วแล้ว

อย่ารอ system card วันเปิดตัวแล้วค่อยคิด boundary เพราะ architecture ที่ให้ agent ถือ production credential กว้างเกินไปแก้ยากกว่าการเปลี่ยน model ID มาก

Recap

Astra ยังไม่เปิดทั่วไป แต่การถูกจัดว่า Critical บอกว่า frontier cyber capability เดินมาถึงจุดที่ safety ต้องอยู่ใน training, access, runtime monitor และ user workflow พร้อมกัน ตัวเลข refusal ที่ดีขึ้นเป็นเพียงชั้นหนึ่ง ไม่ใช่ใบรับรองว่าไม่มี failure

พรุ่งนี้ลองทำ threat model ของ agent ที่มีสิทธิ์สูงที่สุดในองค์กร ถ้าหยุดมันจากภายนอกไม่ได้, credential ไม่จำกัดขอบเขต หรือ resume หลัง approval ไม่ได้ ให้แก้สามจุดนั้นก่อนรอโมเดลรุ่นถัดไปครับ