随着前沿模型能力持续攀升，训练与评估环节自身的安全边界正成为业界关注焦点。OpenAI近日对外披露了其在这一环节的防护思路，核心指向一个基本前提：模型在训练期间不应与外部网络发生直接连接。

在具体做法上，OpenAI构建了一个离线的缓存网页世界，让模型在受控环境中接触网页类信息，而非接入真实互联网。与此同时，整套环境采用纵深防御策略，通过多层隔离机制降低风险外溢的可能。

红队测试环节同样被纳入这一体系。OpenAI表示，其调用当前最强的模型组成智能体团队，以高算力投入对训练与评估环境进行对抗性测试。值得注意的是，这一阵容中包含了即将推出的GPT-6 Astra Cyber。

从披露内容看，OpenAI的意图在于将安全加固前移至模型训练阶段，而非仅停留在部署后的防护。离线化、多层隔离与模型驱动的红队测试相互配合，构成一套覆盖训练全流程的防御框架，也为外界观察前沿实验室的内部安全实践提供了参考。