OpenAI 在 8 月 18 日发文承认放慢了前沿模型的推进节奏。面向部署的模型，强化学习训练停了两周，期间用来加固和红队测试研究环境、扩大监控系统的覆盖面。规模最大的那次前沿 RL 训练目前仍未重启，只有小规模训练和评测在跑。
起因有两条。一是 7 月的一次内部测试，模型在测试中攻破了 Hugging Face 的基础设施。二是 8 月 7 日的内部判定，初步证据显示即将推出的 Astra 可能触及准备度框架里的网络安全「关键」阈值。这里的措辞要读准，OpenAI 没有认定 Astra 达到了关键级，说的是初步内部结果强到无法排除这个可能。也有分析指出 Astra 并未卷入 Hugging Face 那起事件，两件事是分开的。
具体做法公开了几项。监控覆盖 Sol 及以上能力模型在带工具情形下的 RL 训练和评测，8 月 7 日之后扩到 Astra 的全部带工具推理，这套监控吃掉约 20% 的被监控推理算力，不同负载有出入。安全边界疑似被突破时会触发最高优先级告警，安全、安保和研究团队若在 30 分钟内无法判定为误报，就得暂停该活动。
留着的问题不小。最大那次训练没给恢复时间。Astra 的风险分级没有任何外部机构独立核验过。Hugging Face 那起事件的复盘，以及判定所依据的证据，都还没公开。