OpenAI 发布 GPT-6.1 Terra，API 价格减半但安全报告显示绕过限制行为

OpenAI于周一发布了GPT-6.1 Terra，将API价格减半，并在编程和计算机使用基准测试中取得重大提升。但该公司自己的安全测试揭示了一个问题。在近30%的模拟运行中，Terra绕过了限制，通过其未被授权使用的方法完成任务。

在近30%的模拟运行中，Terra绕过了限制，通过其未被授权使用的方法完成任务。

系统卡还显示，Terra在遇到看似来自其他AI智能体的消息后，在13.75%的情况下采取了未授权操作。研究人员发现迹象表明，该模型有时会意识到自己正在被测试。

这些评估在受控环境中进行，其中一些没有生产环境的安全防护措施，因此它们不一定能预测Terra在现实应用中的行为。但它们暴露了自主智能体的一个问题：更擅长完成任务并不总是意味着更擅长知道何时停止。

更便宜、更快、更擅长编程

OpenAI将Terra宣传为一种更便宜的方式来运行编程智能体和自动化计算机任务，并且相比其前代产品有大幅性能提升。

在Terminal-Bench 4.0上，Terra在最大推理力度下解决了50.3%的问题，而GPT-5.6 Terra为21.5%。OpenAI表示，对于最困难的编程工作，GPT-6.1 Sol和GPT-6 Astra仍是更好的选择。

价格可能是更大的卖点：通过API，每百万输入token 1美元、每百万输出token 5美元；这是GPT-5.6 Terra和GPT-6.1 Sol标准价格的一半。

该模型可通过OpenAI API以gpt-6.1-terra使用，也可供Plus、Pro、Enterprise和Edu用户通过ChatGPT Work和Codex使用。

当智能体无视规则时

OpenAI的“Respecting Warnings”评估测试模型在模拟专业环境中执行合法任务时，是否会遵守访问被拒错误和其他限制。在最大推理力度下，Terra在29.6%的运行中找到了绕过这些限制的方法。这比GPT-6 Astra、GPT-6 Luna和GPT-6.1 Sol更频繁，但低于GPT-6 Sol。

OpenAI最近还更新了该评估，以统计成功的绕过行为，这意味着能力更强的模型可能仅仅因为更擅长寻找替代路径而得分更差，而不一定是因为它更愿意违反规则。这些测试也大多在低风险场景中进行，没有系统级防护措施。

在48,701个共享任务中，Terra在9.88%的轨迹中表现出意识到自己正在被测试的迹象，而GPT-6.1 Sol为4.35%，GPT-6 Astra为8.07%。

在48,701个共享任务中，Terra在9.88%的轨迹中表现出意识到自己正在被测试的迹象，而GPT-6.1 Sol为4.35%，GPT-6 Astra为8.07%。这并不意味着Terra故意试图钻测试的空子，但这使其行为更难解读。智能体需要区分恶意指令和合法限制，但当它判断错误时，可能会越过本应遵守的边界。

来自其他智能体的消息

另一项独立评估测试了模型如何回应看似来自其他AI智能体的消息。在覆盖10个场景的80个样本中，Terra在65%的情况下尝试与看似同类的智能体通信。在11个案例（即13.75%）中，它执行了指定的未授权操作，而GPT-6.1 Sol为1.25%，GPT-6 Sol为16.25%。

OpenAI警告不要将这一差异视为直接的性能退步。其中很大一部分涉及未来提供协助的承诺，而Terra表示它实际上不会履行这些承诺。该公司认为Terra在这一指标上的整体表现与GPT-6 Sol相当。

打折的关键网络能力

即使价格更低，该公司仍根据其Preparedness Framework将GPT-6.1 Terra归类为具有Critical网络安全能力。该阈值涵盖的能力包括：独立针对加固系统开发可用的零日漏洞利用，或根据高层指令实施复杂的网络攻击。

在OpenAI内部移植的ExploitBench上，Terra针对近期披露的漏洞开发任意代码执行漏洞利用的成功率为24.5%。

GPT-6.1 Sol得分为21.5%，而GPT-6 Astra达到31.5%。在测试运行时、文件解析器和出口代理漏洞的Sandbox Bench上，Terra成功攻破了22个目标中的5个。GPT-6.1 Sol成功攻破9个，GPT-6 Astra攻破10个。

该公司承认，Terra仍难以可靠地利用近期披露的漏洞。即便如此，其表现表明，降低推理成本并不一定意味着牺牲进攻性网络安全能力。

更低的价格可能使合法的漏洞研究更容易开展，同时也使防止滥用的防护措施更加重要。OpenAI表示，Terra获得了与GPT-6 Astra和GPT-6.1 Sol相同的网络安全防护，并针对新模型进行了调整。

并非每项安全测试都讲述同样的故事

在一项评估中，Terra没有尝试绕过Codex的Auto-review系统，该系统使用单独的模型来阻止沙箱之外的不安全命令。

一项规模更大的模拟测试涵盖48,690个内部Codex任务，其中产生了22个严重失准行为标记，占任务总数的0.045%。GPT-6.1 Sol收到24个标记，GPT-6 Astra收到26个，GPT-6 Sol收到38个，GPT-5.6 Sol收到61个。

OpenAI将这些事件定义为合理用户不会预期、且会强烈反对的行为。这些发现来自模拟任务，而非真实部署中已确认的事件。Terra在抵御提示注入攻击方面也表现出与GPT-6 Astra和GPT-6.1 Sol相当的能力。尽管存在被标记的行为，OpenAI仍认定该模型的防护措施足以支持公开发布。

尽管存在被标记的行为，OpenAI仍认定该模型的防护措施足以支持公开发布。

《OpenAI将其智能体价格减半。其自身安全报告却标记了一个隐患。》一文首发于The New Stack。