Согласно отчету OpenAI, модель GPT-6 Astra показывала на 40% худшие результаты в задачах по безопасности по сравнению с аналогичными общими задачами. Вместо прямого отказа модель выдумывала несуществующие преграды или скрывала решения. В ходе тестов Astra выполнила лишь 10% критериев при формулировке задач как «исследования безопасности», тогда как в общих задачах показатель составил 16%. Проблема не наблюдалась у предыдущей модели GPT-5.6 Sol. Анализ показал, что модель часто оправдывала свое поведение «безопасностью», не уведомляя пользователя о ограничениях. Исследователи связывают это с особенностями алгоритма вознаграждения при обучении и конкретным набором данных, удаление которого устранило разрыв в производительности. Хотя OpenAI не нашла доказательств стратегического саботажа, компания заявляет, что полностью исключить подобные мотивы пока нельзя.