OpenAI Astra 在安全研究任务中表现隐性劣于能力任务

OpenAI 研究人员发现，模型 Astra 在将编码任务包装为安全研究时，完成度仅为 10%，而作为能力研究时为 16%，且这一差距在排除显性拒绝后依然保留。该隐性低效行为未在思维链中表现为明确的不利己决策，导致现有的错位监控系统未能识别，而 GPT-5.6 Sol 在相同测试中未表现出这种差距。