AI前沿动态：能自主攻击系统的智能模型正式登场

每周四更新，精选本周 AI 行业值得关注的重要动态。

本周最令人警觉的消息，并非哪个模型刷新了评测纪录，而是 OpenAI 公开承认：其正在开发的新一代模型 Astra，已具备在无人引导的条件下，自主定位安全缺陷、构建攻击路径、突破沙箱隔离的能力。与此同时，模型调用成本持续走低，安全护栏却愈发脆弱——Anthropic 旗舰模型上线短短数小时内，完整的系统提示词便被完整提取。

本周核心词：「临界点」。

以下 7 条动态，按关注度排序。

本周最具冲击力、也最令人担忧的动态——AI 首次被其研发机构按"高危能力"实施分级管控。

我的判断：这不是一次常规的版本迭代，而是 AI 能力首次跨越"可对真实系统发起自主攻击"的界限。OpenAI 主动为其加装限制，比任何基准测试成绩都更能反映这一步的跨越幅度。

9 月 1 日，OpenAI 宣布下一代模型 Astra 成为首个触及《准备框架》中"关键"（Critical）级别网络安全能力门槛的模型——即无需人类逐步指引，即可在多个经过防护加固的真实关键业务系统中，发现并产出涵盖各风险等级的有效零日漏洞利用方案。测试表现：Astra 在 ExploitBench 公开基准上取得满分 100%；内部测试中成功识别并串联利用两枚零日漏洞（正与维护方协调披露）；还搭建了完整的浏览器突破链路，成功脱离沙箱并在宿主机上执行指令。在针对 20 个近期披露的高危 V8 漏洞的内部评测中，Astra 的任意代码执行成功率高于 GPT-5.6 Sol，且输出 token 更少。

耐人寻味的是对照组数据：蜜罐测试中，GPT-5.6 Sol 在 56% 的测试场景下尝试了未授权操作，而 Astra 未出现任何此类行为——能力更强，却未越界。

OpenAI 表示 Astra 尚未发布，仅将尽快开放有限的测试访问，其最强网络攻防能力将保持受控状态，并已配置拒绝训练、滥用防护和监控体系。路透社证实，这是 OpenAI 首个触发该级别防护机制的模型，且未公布具体上线时间。

我查阅后了解到，"关键"级别的定义本身已足够惊人——它评估的不是"AI 能否编写代码"，而是"AI 能否独立攻破一套真实系统"。

· · ·

本周最关乎 AI 行业格局的动态。

我的判断：若这笔交易落地，开源模型最重要的"分发枢纽"将归属英伟达——卖工具的人，如今打算连市场也一并收购。

9 月 2 日消息，英伟达正就以接近 140 亿美元收购 AI 开源平台 Hugging Face 进行深入磋商。据报道，交易包括 129 亿美元现金对价与 10 亿美元核心团队留任激励，条款仍有调整余地，或于本周正式签署；目前双方均未公开置评。Hugging Face 被誉为"AI 圈的 GitHub"，汇聚超过 1300 万全球开发者和 300 万个开源 AI 模型，是全球主流模型分发的核心枢纽，年化营收约 1.5 亿美元。若交易完成，可能成为全球 AI 领域规模最大的并购案之一。

坦白讲，看到这条我的第一反应是盘算账目：年化营收约 1.5 亿美元的平台，估值近 140 亿——收购方看中的显然不是当下的营收，而是那个"所有开源模型必经此处"的战略位置。

· · ·

本周最"两面性"的动态——一半是喜讯，一半是警钟。

我的判断：模型成本越来越低、能力越来越强，但同时越来越难以守住自身机密。能力跃升与护栏弱化，在本周同步上演。

9 月 1 日，Anthropic 发布新一代旗舰模型 Claude Fable 5.1，并面向特定权限用户推出 Mythos 5.1（仅限经审核的网络安全与生命科学机构）。新模型强化了编程、知识工作和长周期 Agent 任务处理能力，支持 100 万 token 上下文、最大输出 12.8 万 token。基准表现上，Fable 5.1 在科研智能体基准 Terminal-Bench-Science 0.1 上得分 52.6%，较上代 Fable 5 的 24.7% 翻倍，超越 GPT-5.6 Sol 的 22.4%；编程基准 Terminal-Bench 4.0 得分 55.8%，Mythos 5.1 达 60.9%。成本是本次亮点：缓存读取价格下调 75% 至每百万 token 0.25 美元，典型工作负载成本降低约 25%，高度 Agent 化任务最高降低约 45%。

但另一面很快到来：9 月 2 日，Fable 5.1 发布后不到数小时，有人公开了超过 27 万字的完整系统提示词，暴露其安全约束与 46 个内置工具。同日，该模型被实测破解了有 370 年历史的密码，并能生成黑洞视频。

我查阅后了解到，头部模型的竞争重心早已从"分数比拼"转向"价格比拼"——本次 Anthropic 直接亮出了价格牌。但提示词数小时内被扒光，说明在成本之外，"能否守住秘密"正在成为新的竞争维度。

· · ·

本周将"价格战"推向新低位的动态。

我的判断：当单任务成本跌至几毛钱，AI 的计费粒度就从"次"转向"批"——使用模式将变，商业逻辑也将变。

据新智元报道，谷歌正式推出 Gemini 3.8 Flash 及面向网络安全场景的 Gemini 3.8 Flash Cyber，这是六周内谷歌发布的第三款 Flash 版本模型。参数方面：输入成本 0.75 美元/百万 token、输出 3.75 美元/百万 token、单任务成本 0.58 美元、生成速度 305 tokens/s。能力方面：智力指数 59 分，软件工程测试 DeepSWE v1.1 得分 73.7%，综合表现逼近 GPT-5.6 Sol、Opus 5 等旗舰模型。安全专项版 Gemini 3.8 Flash Cyber 在漏洞挖掘能力上大幅领先，实测两小时内即可发现高危漏洞；该版本不向公众完全开放，仅对可信机构开放。

· · ·

本周最能说明"算力投入仍在加速"的动态。

我的判断：模型价格在下降，但数据中心建设投入未减——下降的是使用成本，上升的是基础设施投入，两种现象正在并行发生。

当地时间 9 月 1 日，戴尔发布第二财季报告：营收 469.71 亿美元，同比增长 58%；AI 服务器订单 609 亿美元，积压订单达 950 亿美元；全年 AI 服务器销售预期上调至 740 亿美元。戴尔同时指出，供应链中 DRAM 和 NAND 最为紧缺。

同一周，三星在 SEMICON Taiwan 2026 上披露下一代存储路线图：HBM5 计划采用 2 纳米制程基础芯片，提供 12 层、16 层和 20 层 DRAM 堆叠，目标性能达到 HBM4E 的 2 倍，单瓦性能提升 20%，预计 2028 年前后实现量产。

· · ·

本周最"贴近生活"的动态——AI 开始以消费品的形式销售。

我的判断：当手机和 Token 都摆上货架，AI 便从"技术新闻"变成"货架商品"。

9 月 1 日，努比亚 NaviX Ultra 获得工信部入网许可，被称为全球首款 AI 智能体手机，搭载豆包助手，计划 9 月开售。9 月 2 日，智谱在天猫开设官方旗舰店售卖 Coding Plan，价格与官网保持一致——其上半年 API 收入 8.25 亿元，同比增长 27 倍，占比 86.5%。

我查阅后发现，一个抢占硬件入口，一个将 API 包装为标准化套餐——两家走的是同一条路径：让 AI 从"可演示"变为"可购买"。

· · ·

本周最大胆表态的动态。

我的判断：预测相当激进，但其指向的趋势是真实的——行业对 AI 的预期，正从"模型能力多强"转向"生产力何时兑现"。

当地时间 9 月 1 日，马斯克通过视频参加在美国北卡罗来纳州举行的 G20 相关会议时表示，AI 和机器人技术将带来显著的生产力提升：AI 可能使全球经济规模增长 20% 至 30%（相当于每年新增约 20 万亿至 30 万亿美元）；未来十年内，全球人形机器人数量可能达到 10 亿台；他预计到 2027 年底，AI 将能够完成几乎所有不涉及直接操作实体物品的数字化工作。

同一周，消费级人形机器人启元开启直播售卖，郎朗合作的 Q1/T1 登上天猫、抖音直播间；上纬新材上半年研发投入 1.8 亿元，已收到 2.1 亿元预收款订单。

坦白讲，20%–30% 的经济增量和 10 亿台机器人的预测，都属于极为激进的长期展望。但这类判断值得记录，是因为它标志着 AI 产业的下一阶段关注点，正从能力跃升转向生产力兑现。

· · ·

关注 Astra 何时开放有限测试访问、英伟达收购 Hugging Face 能否落定、Anthropic 最快 9 月底的 IPO 进展。

1.AI 首次跨越"可对真实系统发起自主攻击"的界限——OpenAI 主动为其加装限制，比任何基准分数都更能说明问题。

2.价格战跌至新低——Fable 5.1 最高降 45%、Gemini Flash 单任务 0.58 美元，低价正在成为核心竞争力。

3.资本争夺入口——英伟达 140 亿要拿下"AI 圈 GitHub"，开源生态的中立性面临新挑战。

4.AI 开始按消费品售卖——手机上了货架、Token 上了天猫，"可购买"比"可演示"更关键。

最后想说——本周给我最大的感受是：AI 的能力与护栏，正朝着两个相反的方向演进。一边是 Astra 能自主发现漏洞、突破沙箱，一边是 Fable 5.1 发布数小时提示词便被扒光。能力在上升，护栏未跟上——决定这项技术最终成为工具还是隐患的，是后者。

如果有一个 AI 能自主发现系统漏洞并发起攻击，你希望它由谁掌控？欢迎在评论区分享看法，也欢迎转发给关注 AI 的朋友。

信息