Astra 让 AI 的思考「看不见」了：当推理黑盒化，被引用还等于被信任吗？
GEO Labs 产业观察 · 2026年9月4日
一、OpenAI 发布了最强模型，也发布了一个「黑盒」
9 月 3 日，OpenAI 正式发布 Astra（GPT-6 Astra）。官方的说法是「最强模型」，总裁 Greg Brockman 补了一句更满的：「Welcome to the Era of AGI（欢迎来到 AGI 时代）」。
单看成绩单，它确实够得上这个说法：首个跨越 OpenAI 自制 Preparedness Framework「Critical」网络安全能力阈值的模型，ExploitBench 100%，ARC-AGI-3 99.9%，FrontierMath Tier 4 97.6%；API 定价 10 美元/百万输入 token、50 美元/百万输出 token，并配套一个 10 亿美元的「Daybreak for Frontline Defenders」网络防御计划。
但真正的新闻，不是它有多强，而是它的「思考」开始变得看不见了。
据 The Information 首发、随后被广泛跟进的消息，Astra 采用了一种叫「recurrent depth（循环深度）」或「opaque recurrence（不透明递归）」的推理技术：模型以循环方式处理问题，把更多推理过程「压进」模型内部，而不是像过去那样留下一条可逐字阅读的思考链（chain-of-thought，CoT）。
换句话说，过去我们能读到 AI「想了什么」，现在 AI 的推理越来越多地发生在「我们看不到的地方」。
二、为什么「看不见的推理」让安全界集体恐慌
要理解这件事的分量，得先知道 CoT 在 AI 安全里扮演什么角色。
过去两年，CoT 几乎是 AI 治理唯一的「审计窗口」。OpenAI 调查自己的越狱、异常行为，靠的是回放 CoT 记录；研究人员判断一个模型「为什么这么答」，也靠读 CoT。它不是完美的，但它是仅有的几个能看清模型内部的地方之一。
所以当 Astra 开始「压掉」这个窗口，安全界的反应罕见地统一且激烈：
- Redwood 首席执行官 Buck Shlegeris 说「极度担忧」，警告 OpenAI 若规模化这套技术，可能「彻底摧毁 CoT 可监控性」；
- Redwood 首席科学家 Ryan Greenblatt 更直接，称这是「AI 安全与安全史上最糟糕的单一进展」；
- Gary Marcus 用「terrifying（令人恐惧）」和「跨越红线」来形容；
- 长期观察者 Zvi Mowshowitz 说这是在「玩火」，甚至需要立法来阻止一场「向下竞争」。
OpenAI 的首席科学家 Jakub Pachocki 出来降温：计算图深度「在 GPT-4 的两倍以内」，没有出现架构复杂度的跳跃；公司会为 Astra 部署额外的 CoT 监控；并否认转向「neuralese」（完全潜层、不可读的推理）。
但请注意 Pachocki 自己也承认的那半句——CoT 监控「是脆弱的，且在向下走」。分歧不在于「现在是不是黑盒」，而在于「这条下滑曲线会滑到哪里」。
三、这跟 GEO 有什么关系：引用，是推理透明度剩下的最后一块
到这里，可能有人要问：这跟 GEO（生成式引擎优化）有什么关系？
关系比看起来深得多。因为 GEO 这门生意的地基，是一个默认的前提：被 AI 引用 = 被 AI 信任。
品牌花预算做 GEO，本质是在赌一件事——AI 在回答时「点名」谁，是有迹可循、可以被理解和影响的。而「引用」（答案下面那几行来源小字），恰恰是 AI 推理透明度里最靠外、最可见的一层。它本质上是一段「可审计的推理残留」：AI 说「我参考了 A、B、C 这三个来源」，这三个名字，就是它留给外部世界的、关于「我为什么这么想」的少数几个可验证线索。
现在，把 Astra 的「不透明推理」放进来，逻辑就变味了：
如果 AI 的推理本身正在变黑盒，那么「引用」就从「众多透明度机制之一」，升级成了「外部世界几乎唯一还能抓住的透明度机制」。
这意味着两件相反方向的事会同时发生：
- 一方面，引用会变得更重要——当你看不见推理，你就只能死死抓住来源，去反向推断「它凭什么这么说」；
- 另一方面，引用会被更严苛地审视——因为它是最后一块拼图，任何一处来源不可靠、不可追溯，都会被放大成对整个答案可信度的质疑。
这不是我一个人的推论。把镜头拉远，你会看到同一根轴线上，下游已经先动手了：欧盟 AI Act 第 50 条、加州 SB 942、中国网信办的「AI 生成内容标识」，三条线几乎在同一个窗口里，把「AI 内容必须可追溯」写进了硬约束。上游（推理可追溯）和下游（内容可追溯），是同一条信任命题的两端。
Astra 用「不透明推理」捅的，是上游那一端。而 GEO 站在这根轴线的正中间。
四、品牌该怎么理解这件事
先把结论摆出来：这不是「OpenAI 又发了个新模型」的新闻，而是一个信号——AI 的信任，正在从「能力信任」转向「可审计信任」。
过去，我们信任一个模型，是因为它「够强、答得好」。现在，随着最强的模型开始「藏起推理」，光靠「答得好」已经不够了，市场会转而追问：它凭什么这么答？它引用的东西，能不能被我查到、验证、追到源头？
这对做 GEO 的品牌，有一个相当实在的含义：
未来，AI 引用可能会更偏爱「可追溯、可验证」的信源，而不是「会说话、会触发引用技巧」的内容。
想想看，当 AI 自己都因为「看不见推理」而被安全界围剿，它给出的答案里那几行来源，就越发需要「扛得住审查」。一个没有出处、无法交叉验证的营销号内容，和一个有机构全称、有发布日期、有多方印证的权威信源，哪个更可能被一个「越来越强调可审计」的引用机制选中？答案在向后者倾斜。
所以，与其追逐「怎么让 AI 引用我」的技巧，不如回到那条更慢、但更稳的路：把 GEO 建在「可被审计的真实资产」上——权威媒体的独立报道、官方发布的原始信息、长期积累的可信信源。 这些位置不在任何一次「不透明推理」的射程之内。
结语：从「信任最强」到「信任可查」
Astra 这件事，最容易被读成一条「OpenAI 又领先了」的新闻，或者一条「AI 安全又出事了」的新闻。
但我更愿意把它读成 GEO 行业的一个风向标：当最强的模型开始「藏起思考」，整个 AI 信任体系的重心，正从「它多强」移向「它多可查」。
对做 GEO 的人来说，这不是坏消息。因为「可查」恰恰是品牌能主动建设、别人抢不走的东西——真实的产品、真实的报道、真实的信源。这些不会因为一次推理架构的调整而蒸发。
真正会被这场「黑盒化」冲刷掉的，是那些依赖「看不见的规则」去赌引用位的投机者。
AI 可以藏起它的推理，但藏不起它引用的来源。而后者，才是 GEO 真正的战场。
GEO Labs 产业观察 · 2026年9月4日
本文基于公开报道与行业研究独立分析。核心事实源为 OpenAI 官方发布、TechCrunch、The Verge、The Information；「opaque recurrence」机制细节及安全界反应（Buck Shlegeris、Ryan Greenblatt、Gary Marcus、Zvi Mowshowitz 观点）来自 The Information 首发报道与 TechCrunch 跟进，属观点与解读，非事实定论。Astra 各 benchmark 分数为 OpenAI 官方口径，独立第三方复测尚待确认。