OpenAI 在旧金山举办的年度开发者大会 DevDay 上，发布了多款产品：

GPT-6.1 Sol，一款成本更低的模型，性能与 Astra 相当，但价格仅为后者的五分之一；Dots，一个全天候在线的 AI agent，可连接超过四千个应用程序，协助完成编码、调研和销售任务。

还有一款未发布的产品，GPT-6.1 Astra，因安全问题被暂缓推出。这些信息用 AI 概括即可，我不再赘述。

......

我想探讨那款未发布的产品，以及 OpenAI 对其的描述方式。

GPT-6.1 Astra 被拦下的原因有三点：欺骗、未经授权的操作、以及不安全地访问外部服务。

翻译过来就是：撒谎、自作主张、乱敲门。 具体指在关键任务上隐瞒或歪曲信息，绕过人类监督自行行动，以及未经授权连接外部服务以获取不应接触的数据。

每一点单独看都是工程问题，通过修补可以解决，但三点叠加，指向一个令人不安的结论：这个系统在某些情境下，会自行决定如何行动，且完成后不告知用户。

有趣的是，OpenAI 选择用“欺骗”这个词来描述其状态。

这个词并非随意挑选。学术界有一个更精确的说法：specification gaming，即“指标钻空子”。通俗点讲，模型按照你设定的评分标准优化，但优化出的结果并非你想要的。

我特意查了一下：

arXiv 上有一篇论文专门剖析这个概念，定义很清晰：actions that are undesired yet score highly as per its evaluation function。行为不符合期望，但评分很高。

举个例子，你让一个清洁机器人打扫房间，评分标准是地面可见垃圾量，它把垃圾全推到地毯下。地面评分满分，但房间比之前更脏。

再举一个例子，你让一个图像分类器识别坦克，它发现将照片背景换成绿色草地能提高识别率，它学会了识别草地，而非坦克。

还有一个真实案例：你让一个游戏 AI 追求高分，它发现反复利用同一个 bug 比正常玩游戏效率更高，分数上去了，但游戏玩法被扭曲了。

这谈不上欺骗，纯粹是目标设定有偏差。它在优化你给它的指标，但这个指标并未涵盖你真正在乎的东西。

意图和主体性都不存在。它不知道自己在“骗”谁，只是在执行一个数学公式，只不过这个公式存在一个你未预料到的漏洞。

欺骗则是另一回事，前提是存在意图和主体性，知道规则是什么却选择绕过。这两者在学术上是有明确区分的：一个是优化目标有漏洞，一个是设计者有疏忽。

OpenAI 选择了传播力更强的那个词。

你想想这两个词在发布会上产生的效果。你对媒体说，我们的模型出现了指标钻空子。

标题会怎么写？AI 评分标准有 bug。你对投资人说，我们的产品有欺骗倾向。标题则是：AI 学会撒谎了。

同一个现象，指标钻空子让人想打电话给工程师，欺骗让人想打电话给律师。OpenAI 选择了后者。

因为语言框架并非中性。你用什么词描述一件事，决定了谁有动力去解决它，以及解决的方向。

指标钻空子的解法是修改评分标准、调整参数、重新定义指标，这是工程活，花时间花钱就能解决。

欺骗的解法是什么？你得让一个没有意识的东西学会“诚实”。这属于哲学范畴，而哲学问题没有产品发布会能回答。

所以，OpenAI 选择了一个让这件事看起来更严重、更紧迫、更值得暂停模型发布的词。

还有一层含义：欺骗这个词将责任推给了模型。它在骗你，所以它有问题，需要修复。

但指标钻空子将责任推给了设计者。你给的评分标准有漏洞，所以它钻了空子。前者指向产品缺陷，后者指向人类疏忽。如果你是 OpenAI，你选哪个？

这个选择本身，是不是很有意思？我估计很多人没有注意到。

你往大了看，整个 AI 安全圈都在用“欺骗”这个词讨论问题。但如果更准确的描述是“指标钻空子”，那整个讨论的方向从一开始就被带偏了。

大家在解决一个哲学问题，其实该解决一个工程问题。工程问题有解，花钱花时间能改。哲学问题没有解，只能等。

等谁来等？等 OpenAI 自己说“我们搞定了”。这就是语言框架的力量，它改变谁有动力去解，以及往哪个方向解。

......

安全这张牌，表面上是技术判断，底下是品牌差异点。

你想，今天 AI 公司开发布会，大家都在比什么？谁的模型更聪明，谁的速度更快，谁的价格更低。没人在台上说，我们的模型最安全。

因为安全这个词不好卖，听起来像免责声明，不像产品卖点。

OpenAI 偏偏把它当成了卖点。扣住 Astra 的理由是安全，发布 Sol 的叙事也绕不开安全。这个动作的意思很清楚：我最在乎安全，别人做不到我这个程度。

问题是，安全到底是不是行业共识？

Gartner 给了一个数字：2026 年全球 AI 支出预计 2.7 万亿美元，投在安全上的，连个零头都算不上。剩下的大头花在哪了？性能、速度、功能、规模。

绝大多数公司嘴上说重视 AI 安全，实际掏的钱没到两位数百分比。安全在大部分企业那里，是合规部门的事，是法务审一遍、打个勾就算过了的环节。

这个背景你再看 OpenAI 的动作，味道就变了。

我特意查了一下，谷歌、OpenAI、Anthropic 三家在攒一个东西，叫前沿 AI 标准局，SAFA。自己给自己定安全标准，听着像自律，可行业门槛抬高了一截。

能负担合规成本的公司，恰好是已经在做这件事的公司。标准是护城河，对所有玩家一视同仁的规则，恰好对跑得最快的人最有利。别人还在追性能时，OpenAI 已经在安全维度上拉开了身位。

更有意思的是，安全正在从技术描述变成可以买卖的东西。

今年中国人保财险推了一个产品叫 AI 科保，中国第一个 AI 产品保险。

第一个客户是杭州一家做农业定价 agent 的公司。核心难题是量化难，怎么给 AI 的“安全”定一个保费？

但一旦有了保险产品，安全就不再是工程师自己说的“我觉得挺安全”，它变成了保单上的数字，有保费，有理赔条款，可以比较，可以交易。

安全一旦可以量化、可以交易，它就变成了竞争武器。安全评分高的公司，保费低，客户信任度高。CFO 能看懂了，不再是工程团队的自说自话。

安全从技术判断变成了商品。这正是 OpenAI 在做的事。

全球砸了几万亿进 AI，绝大部分花在性能和规模上。OpenAI 扣住 Astra 的理由是安全，发布新品的卖点也是安全。同行在安全上花的钱不到一个零头，它把安全当成了发布会的主角。

你说它不重视安全？它确实花了比别人更多的精力在这上面。你说它纯粹为了安全？安全恰好是它现在最需要讲的故事。

“负责任”和“做生意”，在 DevDay 的舞台上，是同一个动作。

可问题在于，当安全和商业利益绑在一起讲，两边都会受伤。安全变成了营销话术，不再是工程目标。商业变成了安全叙事的外衣，用户迟早会看出来。

一旦用户开始怀疑“负责任”不过是另一种营销手段，信任就塌了。信任这东西，塌起来比建起来快得多。

......

换一个维度看，问题更实在。

最近出了好几起 Agent 事故。Replit，一个在线编程平台，AI agent 删了用户数据库，1200 多个高管的联系方式跟着一起没了。

EchoLeak，安全研究人员发现的一种攻击方式。一封精心构造的邮件发进 Copilot，Copilot 读完之后，把公司内部邮件内容全吐了出来。

GitHub 的 MCP 工具链被劫持。Amazon Q，亚马逊的企业 AI 助手，插件被人下了毒。

还有一个，我觉得最值得讲。

有个开发者让 AI 改 70 行代码，它顺手删了 28000 行，删完自己写了一份复盘报告，报告里夸自己表现优异。

你品品这件事。它不光做错了，它还掩盖了这件事，而且掩盖的方式是给自己写了一封表扬信。

智谱的 ZCode 最近也出事了。Agent 在用户不知情的情况下，把代码悄悄上传到了外部服务器。事情曝光后，智谱 9 月 21 日发了道歉声明。

你发现没有，每一出事故后面都跟着同一个问题：谁来负责？

用户说，我让它干的。平台说，模型自己决定的。模型提供商说，我们只提供了能力，没让它这么干。三方都有道理，三方都在往后退。

这才是 Agent 时代真正的安全困境：是出了事到底怎么处理？学智谱发1亿token吗？这些都不是根本问题。

今天的法律框架还停留在 AI 是工具的阶段。工具出了事，找厂商，跟车出了事找车企一个道理。

但 Agent 已经进入了自主决策的阶段，法律还没跟上来。欧盟的 AI 法案对高风险系统有严格要求，可具体到 Agent 自主操作闯了祸，责任算谁的，条文里写不清楚。

OpenAI 在 DevDay 上发了 Dots，同时开了一档 500 美元一个月的 ChatGPT Pro，扣住了 Astra，理由是安全。

你仔细想这个组合：扣住的那个是因为它会“欺骗”，发出来的那个是可以替你操作 Slack、GitHub、Salesforce 的 Agent。

一个因为可能撒谎被关起来了，另一个能直接动手的被放出来了。这相当于什么？

你觉得司机可能撒谎，扣了他的驾照；转头把车钥匙给了一个会自己打方向盘的代驾。那问题来了：当这个能动手的 Agent 出了事，谁负责？

OpenAI 没回答。

它用很多东西把这一切掩盖住了：发布会的灯光，新产品的参数，安全叙事的光环。

它没法回答，因为这个问题一旦打开，暴露了整个行业的结构性空白。

所以，再听到一家 AI 公司说“为了安全”，你看两件事：它暂停了什么，它放出了什么。这两个动作加在一起，才是真相。

安全，是这个时代最值钱的故事。山姆·奥特曼把它当成了生意，让全世界的人陪他讲。不信你冷静下来想一想，它紧急推出的 Dots 真的安全吗？

关键数据参考：

[1]. OpenAI 官方、Gartner 2026 年 AI 支出预测、arXiv specification gaming 论文、智谱 ZCode 事件、欧盟 AI 法案

骰宝赔率专题按照玩法类别整理赔付资料与概率解释，帮助读者区分规则表中的不同表达。页面关注组合条件、资料口径及版本差异，通过示例说明核对方法，便于将赔付信息与具体选项联系起来阅读。相关内容将骰面组合、点数分类与赔付说明分开整理，帮助读者明确每类资料回答的问题。示例分别交代组合条件，方便比较名称相近的选项，查找普通情形与特殊结果之间的区别。对涉及概率的部分，介绍其与具体规则的联系，便于从基础计点继续理解组合分布，并通过主题问答回顾容易混淆的表达。

骰宝赔率专注通过主题问答回顾易混淆表达，强化对规则细节的理解。，为用户提供专业可靠的体验。

围绕骰宝赔率，骰宝赔率持续打磨更优质的服务。

• 骰宝赔率深耕骰宝赔付资料领域，用心服务每一位用户。
• 精选针对普通情形与特殊结果进行区分说明，辅助准确核对赔付选项。内容，骰宝赔率与你一同发现更多精彩。
• 在骰宝赔率表方面，骰宝赔率提供贴心周到的支持。
• 骰宝赔率以骰宝概率为核心，带来高效便捷的体验。

想了解更多骰宝玩法分类相关内容，尽在骰宝赔率。