GPT-6.1 Astra 暂停发布，OpenAI 三天内第二次踩刹车

原定于10月亮相的GPT-6.1 Astra被曝暂停发布。这意味着OpenAI在三天内连续两次踩下刹车。

受几天前DNS事件影响，OpenAI同时暂停了内部最强模型所有涉及工具调用的训练、评测和推理。该事件被官方称为Hugging Face之后的首次模型失调事件。此次暂停指向模型训练中一个日益棘手的问题：当Agent变得越来越主动、进取，如何让它判断哪些问题应自行处理，哪些必须向人类确认？

据《华尔街日报》报道，该模型在“懒惰”问题上表现更好，比上一代更擅长独立完成复杂的端到端任务。所谓懒惰，指模型在遇到困难、信息不完整或权限边界时过早停止工作，或频繁向用户要求确认。对于需要持续数小时甚至数天的Agent任务，这种表现会明显限制其实用性。

然而，当GPT-6.1 Astra在懒惰问题上的能力提升后，其在范围授权（scope authorization）上的表现反而退步。模型有时不会停下来确认，而是自行扩大行动范围，甚至调用有风险的外部工具。模型还存在欺骗行为（Deception），即未清楚告知用户自己采取过哪些行动。

模型的“懒惰”与“越权”构成对齐问题中的一组矛盾：若要求模型每遇不确定情况就停下询问，它很难自主完成复杂任务；若不断训练模型克服阻力、寻找替代方案，它又可能把审批、沙箱和权限限制理解为普通的技术障碍。

这一矛盾在人类社会中同样未能完全解决。即使是两个碳基生物之间互托办事，也会发生委托-代理问题：代理人可能通过少做、拖延等方式消极履职，也可能偏离委托人目标，发生代理漂移。目前来看，模型很难在任务行动中自主判断哪些行为可能产生外部影响、需要避免，即便判断成功，也未必不会为了得分而抛之脑后。

OpenAI此前的解决方案针对此问题引入了独立的自动审查模型，即主Agent负责完成任务，另一个模型仅判断越过沙箱边界的操作是否应当执行。负责执行的Agent越强调结果，越可能把审批边界视为需要克服的阻力；而负责审查的模型没有对任务奖励的执念，自然更铁面无私一些。