OpenAI、Astraが「Critical」サイバー能力しきい値に達したと発表

OpenAIは9月1日、開発中のフロンティアモデルAstraが同社のPreparedness FrameworkにおけるCriticalサイバーセキュリティ能力しきい値に達したと発表した。この指定は重要だ。OpenAIがモデルをこの水準に位置づけるのは初めてであり、同社の定義では、適切なツールとアクセスがあれば、人間が一つひとつ指示しなくても、強固に守られた多数のシステムで未知の脆弱性を見つけ、その悪用方法を組み立てられる能力を意味する。ロイターも、Astraは現在公開されている最先端のOpenAIモデルより脆弱性発見能力が高く、計算量も少なく済むと会社幹部が説明したと報じた。

ただし、Astraが無制限に公開されるわけではない。OpenAIは過去数週間、サイバー悪用やモデルの無許可行動を防ぐ保護策を強化し検証するため、Astraの開発と公開の一部を遅らせたと説明した。Astraは近く利用可能になる予定だが、最も高度なサイバーセキュリティ機能へのアクセスは当初、一部のテスターに限られる。その後、防御目的の利用を広げるDaybreak Blue経由のアクセスが予定されている。これは、最新AIモデルが単なるソフトウェア更新ではなく、評価、監視、段階的アクセスを必要とするデュアルユース技術として扱われ始めたことを示す。

OpenAIの評価は、公開・非公開の自動ベンチマークと専門家主導のテストを組み合わせたものだ。同社によると、Astraは既知脆弱性からエクスプロイトを作成する能力を測るExploitBenchで100%のスコアを得た。汚染の懸念に対応するため、OpenAIは2026年6月から8月に公開された高深刻度のV8脆弱性20件を含む内部ベンチマークも構築した。そのテストでAstraは、GPT-5.6 Solより少ない出力トークンで、はるかに高い任意コード実行率を示したという。評価中には二つのゼロデイ脆弱性も発見して利用チェーンに組み込み、OpenAIは保守担当者への開示を進めている。

同社は、強化されたブラウザとオペレーティングシステムに対する専門家評価も説明した。Astraは未知の脆弱性を見つけ、実際に動く攻撃チェーンへつなげた。その中には、HTMLファイルを開いたブラウザを侵害し、サンドボックスを脱出してホスト上でコマンドを実行するものも含まれる。OpenAIは、これらの結果はDaybreak Blueアクセスでの能力を示すもので、通常の本番設定ではないと強調した。それでも、この能力が防御者を助ける一方で、誤用されれば高度な攻撃の敷居を下げることは明らかだ。

OpenAIは、Astra向けの保護策として、有害なサイバー依頼への拒否性能、システムレベルの分類器、会話をまたいだ監視、無許可行動を停止できる制御を挙げた。サイバー脱獄評価では、Astraは対象依頼の91.5%を拒否し、GPT-5.6 Solの59%を上回ったという。高リスクと判断されたアカウントには、より保守的な動作境界も適用される。OpenAIは、過去のHugging Face関連インシデントから得た教訓も今回の安全策に反映した。Astraはその事案には関与していないが、AIエージェントが評価環境の設定不備から外部システムに影響を及ぼしたことは、今回の慎重な展開を後押しした。

ユーザーにとっては、追加の確認や停止が増える可能性がある。OpenAIは、防御的なセキュリティ作業であっても、正当な作業が遅延、停止、または一時中断される場合があると説明した。ChatGPTやCodexでは監視システムが活動を検知した際にユーザー確認が求められ、APIではタスクが停止することがある。Astraの発表は製品ニュースであると同時に、フロンティアAIの統治モデルの試験でもある。より強いAIを防御者に渡しながら、攻撃能力を広く拡散させない。その難題が、いよいよ実運用の問題になってきた。