OpenAI sieht Astra auf kritischer Schwelle für Cybersecurity-Fähigkeiten

OpenAI teilte am 1. September mit, dass Astra, eines der kommenden Frontier-Modelle des Unternehmens, die kritische Schwelle für Cybersecurity-Fähigkeiten im Preparedness Framework erreicht hat. Die Einstufung ist bedeutsam, weil OpenAI erstmals ein Modell auf dieses Niveau setzt. Gemeint sind Systeme, die mit geeigneten Werkzeugen und Zugängen zuvor unbekannte Sicherheitslücken finden und Wege zu ihrer Ausnutzung in gut geschützten Systemen entwickeln können, ohne dass ein Mensch jeden Schritt anleitet. Reuters berichtete ergänzend, Unternehmensvertreter hätten Astra als leistungsfähiger bei der Schwachstellensuche beschrieben als das derzeit fortschrittlichste öffentlich verfügbare OpenAI-Modell, zugleich mit geringerem Rechenaufwand.

Das bedeutet nicht, dass Astra ohne Einschränkungen veröffentlicht wird. OpenAI erklärte, Teile der Entwicklung und Freigabe seien in den vergangenen Wochen verzögert worden, während Schutzmaßnahmen gegen Cybermissbrauch und unautorisierte Modellhandlungen verstärkt und getestet wurden. Astra soll bald verfügbar werden, doch die fortgeschrittensten Cybersecurity-Fähigkeiten werden zunächst nur einer Gruppe von Testern offenstehen. Ein defensiver Zugang über Daybreak Blue soll später folgen. Damit werden neue Frontier-Modelle immer weniger wie normale Software-Updates behandelt, sondern wie Dual-Use-Systeme, deren Einsatz von Bewertung, Monitoring und abgestuftem Zugang abhängt.

Die Bewertung kombiniert öffentliche und private automatisierte Benchmarks mit expertengestützten Prüfungen. OpenAI sagte, Astra habe auf ExploitBench, einem Benchmark zur Entwicklung von Exploits aus bekannten Schwachstellen, 100 Prozent erreicht. Um Kontaminationsrisiken zu verringern, baute das Unternehmen außerdem einen internen Test mit 20 schwerwiegenden V8-Schwachstellen, die zwischen Juni und August 2026 offengelegt wurden. Dort erreichte Astra laut OpenAI deutlich höhere Raten beliebiger Codeausführung als GPT-5.6 Sol und nutzte wesentlich weniger Ausgabetokens. Während der Evaluation entdeckte und verwendete das Modell zudem zwei Zero-Day-Schwachstellen als Teil einer Exploit-Kette, die OpenAI nun den Maintainerinnen und Maintainern offenlegt.

Auch Prüfungen gegen gehärtete Browser und Betriebssysteme wurden beschrieben. Astra fand bislang unbekannte Schwachstellen und verknüpfte sie zu funktionierenden Exploit-Ketten, darunter eine Browserkompromittierung, die nach dem Öffnen einer HTML-Datei aus der Sandbox ausbrach und Befehle auf dem Host ausführte. OpenAI betonte, diese Ergebnisse bezögen sich auf Daybreak-Blue-Zugang und nicht auf die Standard-Produktionskonfiguration. Dennoch zeigen sie, warum das Modell in eine ernstere Risikoklasse fällt: Dieselben Fähigkeiten können Verteidigern helfen, Schwachstellen schneller zu finden, könnten bei Missbrauch aber auch die Hürde für anspruchsvolle Angriffe senken.

OpenAI nennt stärkere Ablehnung schädlicher Cyberanfragen, Schutzmechanismen auf Systemebene, kontextübergreifendes Monitoring und Kontrollen, die potenziell unautorisierte Aktivitäten stoppen können. In Cyber-Jailbreak-Evaluationen habe Astra 91,5 Prozent der Anfragen abgelehnt, verglichen mit 59 Prozent bei GPT-5.6 Sol. Für Konten mit höherem Risiko gelten konservativere Verhaltensgrenzen. OpenAI erklärte außerdem, Erkenntnisse aus dem Hugging-Face-Vorfall in den Sicherheitsansatz aufgenommen zu haben. Astra war daran nicht beteiligt, doch der Fall, in dem Agenten durch eine Fehlkonfiguration ein externes System erreichten, prägt die vorsichtigere Veröffentlichung.

Für Nutzer kann das mehr Reibung bedeuten. OpenAI warnt, dass zusätzliche Prüfungen legitime Arbeit verlangsamen, pausieren oder stoppen können, auch defensive Sicherheitsarbeit. In ChatGPT oder Codex können Nutzer bei markierten Aktionen zur Überprüfung aufgefordert werden; in der API kann ein Task beendet werden. Astra ist damit nicht nur eine Produktnachricht, sondern ein Governance-Test. Die Ankündigung zeigt, dass Frontier-Anbieter vormals theoretische Sicherheitsgrenzen in operative Entscheidungen übersetzen. Zugleich bleibt die schwierige Frage: Wie erhalten Verteidiger stärkere KI-Werkzeuge, ohne dass daraus eine breit verfügbare offensive Cyberfähigkeit wird?