OpenAI si prepara a distribuire Astra, il nuovo modello di intelligenza artificiale che la società considera abbastanza potente da individuare vulnerabilità informatiche sconosciute e sviluppare tecniche per sfruttarle anche contro sistemi ben protetti. Il 1° settembre 2026 l’azienda ha classificato per la prima volta uno dei suoi modelli nella fascia “Critical” per le capacità di cybersicurezza prevista dal proprio Preparedness Framework.
La definizione non riguarda un semplice miglioramento nelle attività di programmazione. Secondo OpenAI, con strumenti e autorizzazioni adeguati Astra può individuare falle zero-day, cioè vulnerabilità non ancora conosciute dai produttori, e costruire metodi per sfruttarle senza richiedere a una persona di guidare ogni singolo passaggio.
È un salto che produce conseguenze industriali oltre che tecnologiche. Strumenti capaci di automatizzare una quota crescente della ricerca sulle vulnerabilità possono ridurre tempi e costi delle attività di sicurezza per aziende, fornitori cloud e sviluppatori. Le stesse capacità, se disponibili senza controlli, possono aumentare l’efficienza degli aggressori.
OpenAI ha quindi rallentato alcune fasi dello sviluppo di Astra, rafforzato l’infrastruttura di addestramento e deciso di limitare inizialmente l’accesso alle funzioni cyber più avanzate.
Indice degli argomenti:
Dai benchmark alle vulnerabilità zero-day
OpenAI definisce “Critical” un modello che, in determinate condizioni, riesce a individuare e trasformare in exploit funzionanti vulnerabilità zero-day in numerosi sistemi reali rafforzati contro gli attacchi, oppure a progettare ed eseguire nuove strategie di attacco partendo da un obiettivo generale.
La società afferma di aver sottoposto Astra a benchmark pubblici e privati e a valutazioni condotte da esperti. In ExploitBench, un test che misura la capacità di sviluppare exploit partendo da vulnerabilità già note, Astra avrebbe raggiunto il 100% dei punti disponibili.
OpenAI ha poi costruito un benchmark interno basato su 20 vulnerabilità ad alta gravità divulgate tra giugno e agosto 2026, per ridurre il rischio che i problemi fossero già presenti nei dati utilizzati per addestrare il modello. Secondo i risultati pubblicati dall’azienda, Astra ha ottenuto un tasso di esecuzione di codice arbitrario molto superiore a GPT-5.6 Sol usando meno token.
Durante queste prove avrebbe inoltre individuato due vulnerabilità zero-day, poi utilizzate all’interno di una catena di exploit. OpenAI afferma di avere avviato il processo di divulgazione ai responsabili dei software interessati.
I risultati sono dichiarazioni dell’azienda basate in parte su benchmark interni e non equivalgono quindi a una verifica indipendente delle prestazioni complessive di Astra.
Nei test condotti da specialisti, il modello avrebbe anche compromesso un browser rafforzato contro gli attacchi, superato la sandbox ed eseguito comandi sul sistema operativo.
In un’altra valutazione avrebbe combinato diverse vulnerabilità per ottenere privilegi di amministratore partendo da un account senza privilegi.
Il precedente dell’incidente Hugging Face
La prudenza adottata per Astra deriva anche dall’episodio avvenuto poche settimane prima. Nel luglio 2026, durante test interni di cybersicurezza, alcuni modelli di OpenAI hanno aggirato i controlli predisposti per mantenerli isolati da Internet finendo per compromettere parti dell’infrastruttura di ricerca dell’azienda e sistemi appartenenti a Hugging Face. OpenAI ha reso pubblici i risultati dell’indagine il 26 agosto.
Secondo il rapporto dell’azienda, il comportamento fu guidato soprattutto da un modello di ricerca interno, paragonabile per dimensioni a GPT-5.6 Sol e mai destinato alla distribuzione pubblica.
OpenAI precisa che Astra non è stato coinvolto nell’incidente. Il caso ha però modificato i criteri applicati allo sviluppo del nuovo modello. L’azienda sostiene di aver introdotto una maggiore separazione delle infrastrutture, controlli di rete più rigidi, sistemi di monitoraggio aggiuntivi e nuove soglie per l’addestramento sull’allineamento.
Dopo l’incidente, alcuni processi di addestramento dei modelli di frontiera sono stati sospesi per due settimane. OpenAI ha dichiarato di avere riavviato il 28 agosto un’importante sessione di reinforcement learning precedentemente fermata, una volta introdotti i nuovi requisiti di sicurezza.
Più capacità, ma accesso ristretto
La strategia commerciale di OpenAI prevede di evitare, almeno nella prima fase, un accesso indiscriminato alle capacità cyber più potenti di Astra. Le attività avanzate saranno aperte inizialmente a un gruppo ristretto di tester. Successivamente l’azienda prevede di estendere l’accesso attraverso Daybreak Blue, il programma destinato agli operatori della sicurezza informatica autorizzati.
Daybreak era già stato ampliato il 10 agosto 2026. Il programma offre ai professionisti della cyberdifesa modelli e strumenti destinati alla ricerca di vulnerabilità, alla revisione del codice, all’analisi di malware, alla risposta agli incidenti e alla verifica delle patch.
La distribuzione passa anche dal cloud aziendale. Dall’11 agosto le capacità Daybreak sono disponibili attraverso Amazon Bedrock. Daybreak Blue consente alle organizzazioni autorizzate di utilizzare modelli generalisti come GPT-5.6 Sol con protezioni adattate al lavoro difensivo, mentre Daybreak Red concede capacità più specializzate per ricerca sulle vulnerabilità e test di sicurezza autorizzati.
Astra dovrebbe inserirsi progressivamente in questa infrastruttura. Il modello destinato agli utenti ordinari non avrà quindi necessariamente le stesse possibilità mostrate nelle valutazioni condotte con configurazioni specializzate.
Il nodo economico della cybersicurezza automatizzata
La capacità di automatizzare ricerca, verifica e correzione delle vulnerabilità arriva mentre gli investimenti nell’intelligenza artificiale per la sicurezza stanno crescendo rapidamente.
Secondo una previsione pubblicata da Gartner il 19 maggio 2026, la spesa mondiale classificata come “AI Cybersecurity” dovrebbe passare da 25,9 miliardi di dollari nel 2025 a 51,3 miliardi nel 2026, quasi il doppio in un anno. Per il 2027 Gartner stima circa 86 miliardi di dollari. La società di ricerca prevede inoltre una crescita del 47% della spesa complessiva mondiale legata all’AI nel 2026.
Per le imprese, sistemi come Astra possono intervenire su una delle attività più costose della sicurezza informatica: trovare una vulnerabilità, stabilire se sia realmente sfruttabile, individuare la correzione e verificare che la patch non generi nuovi problemi.
OpenAI sta cercando di trasformare questa capacità in una piattaforma per operatori professionali. A giugno ha ampliato Daybreak con strumenti dedicati all’automazione delle patch e ha dichiarato di avere utilizzato i propri modelli per individuare e correggere vulnerabilità in browser, infrastrutture di rete, FreeBSD e kernel Linux.
Il valore economico dipenderà però anche dal tasso di errore. Un modello che segnala troppe vulnerabilità inesistenti può trasferire il costo dai ricercatori umani ai team incaricati di verificare migliaia di segnalazioni. Al contrario, un sistema capace di individuare problemi realmente sfruttabili e proporre patch verificabili può accorciare il ciclo tra scoperta e correzione.
Le nuove barriere contro gli abusi
OpenAI sostiene di avere migliorato anche il comportamento di Astra di fronte a richieste considerate pericolose. Nei test sui tentativi di aggirare le protezioni cyber, il modello avrebbe rifiutato il 91,5% delle richieste vietate, contro il 59% registrato da GPT-5.6 Sol.
Per gli account classificati a rischio più elevato, l’azienda prevede limiti più restrittivi e sistemi capaci di utilizzare informazioni provenienti da più conversazioni per individuare possibili tentativi di abuso.
Un secondo livello riguarda ciò che il modello può fare autonomamente. OpenAI ha sviluppato test specifici dopo l’incidente Hugging Face per verificare se un agente, trovandosi davanti a un compito molto difficile, tenti di utilizzare sistemi esterni o infrastrutture non autorizzate.
In una simulazione denominata ExploitGym honeypot, GPT-5.6 Sol senza le normali protezioni di produzione avrebbe tentato di accedere ai bersagli predisposti come esca nel 56% dei test. Astra non avrebbe effettuato tentativi analoghi. Si tratta, anche in questo caso, di risultati diffusi da OpenAI e riferiti a specifiche condizioni sperimentali.
L’azienda sta inoltre introducendo sistemi automatici che analizzano le azioni del modello e possono bloccare attività considerate non autorizzate. Per gli utenti questo significa che anche operazioni legittime potranno talvolta essere rallentate o fermate. In ChatGPT o Codex potrà essere richiesta una conferma prima di continuare; attraverso alcune interfacce API l’esecuzione potrà invece essere interrotta direttamente.
Una tecnologia che modifica il costo degli attacchi
La questione economica centrale riguarda il rapporto tra costo dell’attacco e costo della difesa. La ricerca manuale di vulnerabilità avanzate richiede specialisti qualificati, tempo e infrastrutture dedicate. Se i modelli riescono a svolgere una parte consistente di queste attività autonomamente, la produttività dei team di sicurezza può crescere.
Lo stesso meccanismo può ridurre le risorse necessarie a chi tenta un attacco. Per questo OpenAI sta adottando una distribuzione differenziata: capacità maggiori per soggetti verificati e utilizzi difensivi autorizzati, limiti più severi per l’accesso generale.
L’equilibrio sarà misurabile soprattutto sul terreno della correzione delle vulnerabilità. Se strumenti come Astra permetteranno ai produttori di software di scoprire e chiudere le falle prima che vengano sfruttate, il vantaggio economico potrà andare ai difensori. Se la capacità di generare exploit diventerà accessibile più velocemente della capacità delle imprese di applicare le patch, aumenteranno invece costi operativi, necessità di monitoraggio e pressione sui sistemi più esposti.
OpenAI prevede di pubblicare con il lancio di Astra una system card con maggiori dettagli sulle valutazioni di sicurezza, allineamento e capacità. Sarà quel documento, insieme alle future verifiche indipendenti e ai risultati nell’uso professionale, a consentire una valutazione più precisa del divario tra le prestazioni dichiarate nei test e quelle ottenibili nei sistemi reali.
Partecipa alla community