据 The Decoder 报道，OpenAI 最新发布的 GPT-6 Astra 模型在减少幻觉方面取得了显著进展，其表现优于前代产品 GPT-5.6 Sol。这一改进被视为大语言模型在可靠性和可信度上迈出的重要一步。

然而，安全测试揭示了一个令人担忧的现状：尽管 GPT-6 Astra 在应对直接提示词注入攻击时展现出了极高的防御能力，成功率高达 99.99%，但在面对多轮自适应攻击策略时，其防御率急剧下降至约 67%。这意味着，攻击者通过精心设计的复杂对话序列，仍有可能绕过模型的安全机制。

多轮自适应攻击是一种更为隐蔽且难以防范的威胁，它不依赖单一指令，而是通过多轮交互逐步诱导模型产生不安全行为。GPT-6 Astra 在此类攻击下的表现，反映出当前大模型在深层安全防护上仍存在明显短板。

这一发现对依赖大模型构建应用的开发者具有警示意义。尽管模型在基础安全性能上不断进化，但针对高级攻击手段的韧性仍需加强。业界普遍认为，未来的安全研究应聚焦于提升模型在对抗性环境下的整体稳定性，而非仅仅优化基准测试成绩。