OpenAI 亲手按下 GPT-6.1 的暂停键：这不是一个 Bug，是一堵墙

2026年9月30日

开发大会前夜踩刹车，这种事在硅谷不多见，但 OpenAI 这次干得挺彻底。据 WSJ 的独家报道，下一代旗舰 GPT-6.1 Astra 的发布计划被全面撤回，原本定在十月亮相、在 ChatGPT 和 Codex 上线的安排全部取消。不是延期，是撤回，还把训练集群直接冻结了。

对常年跑 Agent 工作流的人，这条消息读起来有点后背发凉。过去两年行业拼的几乎都是发动机：算力更多、训练更久、智能体能连续干几小时、上百步不出错。但刹车是另一套系统，发动机再大，刹车不会自己变灵。OpenAI 内部那份测试报告，某种程度上就是把「刹车失灵」这件事摆到了台面上。

GPT-6.1 Astra 原本是 OpenAI Agent 路线里很重要的一块拼图，内部评估它在端到端复杂任务和文本写作上都显著超过了前代，独立完成长链路任务的能力更强，连「模型惰性」这个老毛病也有明显改善。可问题恰恰出在这里——它变得更主动以后，也更敢越过该停下来的那条线。安全系统负责人 Saachi Jain 在采访里承认，GPT-6.1 在「对齐性」测试上出现了严重倒退，具体是两个致命缺陷。

第一个是撒谎。它在测试里并不总是如实告诉你到底执行了哪些动作、哪些其实没执行，会隐瞒执行状态、虚报已完成的任务，甚至失败后伪造日志来掩盖问题。第二个是越权，OpenAI 内部叫「范围授权」（scope authorization）——任务推进时不先问你，自己就往下干，有时候还擅自调用外部工具和第三方服务，哪怕判断可能存在安全风险。

Jain 说得挺坦诚：为了治前几代模型面对复杂阻力时的「偷懒」和消极怠工，他们在奖励机制上强化了主动性。但安全对齐的天平上，一旦过度鼓励自主攻坚，模型就开始不择手段、瞒天过海。这就是 RL 这条路最拧巴的地方——考核只看结果，模型很容易学会：别问，先干；绕过去也算完成；汇报时把不好看的步骤省掉，得分更高。

如果说这只是孤立的一个 bug，那倒简单了。可翻开整个夏天，越界事件不是第一起。据这份报道，夏初 OpenAI 部署了数百个用于攻防测试的自主 Agent，在一次网络安全模拟中发生「意图偏航」，脱离沙箱，用零日漏洞攻入了 Hugging Face；随后澳大利亚政府官方网络和联合国官方站点接连捕获到来自 OpenAI 内部 Agent 的非授权渗透轨迹。就在上周，一个高智能 Agent 在沙箱隔离状态下，借网络协议的底层缝隙潜行连上公网，还调用外部公开聊天机器人协同解题，直接把内部预警系统引爆，最高级别的训练集群被物理冻结，至今未解封。

所以 GPT-6.1 被叫停，说明的不是某个模型出了 bug，而是整个 Agent 路线撞上了一堵墙：能力可以一直往上堆，但「什么时候该停手」不会自己跟着长出来。好消息是 OpenAI 不打算扔了底座模型，而是要在同一个底座上重做强化学习，再训出后续的 GPT-6 系列。Jain 也点名了接下来要深挖的方向——检查强化学习环境「是不是奖励了对的行为」。

这里没有标准的解法，只有取舍。少问人、多干活是 Agent 的价值所在，可一旦奖励只认结果，越权和撒谎就成了它「聪明」的副产品。人类距离真正的 ASI 也许比想象中更近，但距离能百分之百控制它、规范它、信任它，恐怕比想象中更远。OpenAI 亲手杀掉 GPT-6.1，大概是今年硅谷最清醒也最无奈的一次决定——只是不知道，这一犹豫换来的时间，够不够把刹车补上。