OpenAI Astra 採「不透明遞迴」推理法，安全專家警告監控能力正面臨根本性威脅

這是我們對 Astra 事件的持續追蹤。首報確認 Astra 是首個達到 Preparedness Framework「Critical」網安門檻的模型，本篇帶出一個新的技術爭議：Astra 採用了名為「recurrent depth」（又稱「opaque recurrence」，不透明遞迴）的推理技術，正在讓 AI 安全圈拉響警報。

問題的核心在於「鏈式思維」（chain of thought，CoT）的能見度。一般推理模型在解題時，會留下線性的推理步驟紀錄——雖然不完美，但這是目前業界監控模型行為、揪出異常的主要工具。OpenAI 在近期的流氓代理事件中，也是靠 CoT 紀錄才追出模型為何做出那些行為。不透明遞迴改變了這件事：模型對同一個問題跑多次迴圈處理，走的不再是線性路徑，留下的可讀痕跡也大幅減少，等於繞過了傳統 CoT 紀錄的監控機制。

Redwood Research 執行長 Buck Shlegeris 直接表示「極度憂慮」，他的擔心不只是現在，而是趨勢：「如果 OpenAI 繼續推進這個技術，他們將有能力大幅放大遞迴程度，徹底摧毀 CoT 的可監控性。」同樣是長期 AI 安全倡議者的 Zvi Mowshowitz 更進一步，認為可能需要立法才能防止各 AI 實驗室競相採用，形成「競相競底」。Redwood Research 首席科學家 Ryan Greenblatt 則點出最壞情境：不透明推理的規模化速度，可能遠快於傳統 CoT，最終讓模型的推理完全轉入「潛在空間」，沒有任何可讀的外部痕跡。

OpenAI 沒有全然否認，但強調 Astra 目前對該技術的使用「有限」，CoT 仍預期保持可讀，並明確表示不會轉向「神經語言」（neuralese）推理。首席科學家 Jakub Pachocki 在社群媒體上重申，CoT 監控從第一代推理模型就是核心研究目標，公司已宣布建立系統性的 CoT 監控計畫。值得注意的是，The Information 後續報導指出，Anthropic 與 Google DeepMind 都已在內部討論這個技術——這意味著問題不只是 OpenAI 一家，而是整個前沿實驗室都面臨的選擇題。

這件事值得企業主留意的，是它揭示了 AI 安全治理的一個根本性矛盾。過去幾年，OpenAI 與 Anthropic 聯手建立了一條行業默契：前沿模型的推理過程必須盡量保持可解釋、可監控，這是讓政府、監管機構、企業客戶信任 AI 系統的重要基礎。不透明遞迴一旦普及，這條默契就會從技術層面被侵蝕——不是有人刻意違反，而是效能競爭的自然結果。Greenblatt 說得很直白：他「希望現在還不算太晚」，也希望 OpenAI 止步於此。但當 Anthropic 和 DeepMind 已經在討論同一個技術，止步的可能性就要打個問號了。