AI 周报 #02｜危险能力，分级卖出
这一周（8.31–9.6），AI 圈回答了上周留下的问题。
上周我们讲过：OpenAI 一个内部模型在安全评测里自己绕出沙箱，摸进了 Hugging Face 的数据集系统。危险能力怎么办？这周的答案是——不藏了，明码标价，分级卖出。48 小时之内，Anthropic、Google、OpenAI 三家先后交卷：把「能力最强但危险」的模型做成产品，全都配了一套准入门槛——有人查你的信任等级，有人验你的资质，有人把同一款模型拆成两档卖。
同一周里还有两件大事：英伟达把上周那条「存疑」的收购传闻变成了 129 亿美元的官宣；Claude 用 11 天写出了费马大定理的完整机器检验证明。管制、基建、能力，三条线同时换挡，本期拆开讲。
主线：危险能力，分级卖出
先看三家在同一周里各自交出的答卷。
| 厂商 | 模型 | 危险能力 | 准入方式 |
|---|---|---|---|
| OpenAI | GPT-6 Astra | 自主发现未知漏洞，官方称首个触及网安 Critical 门槛 | 付费档全量 + 限额管控 |
| Anthropic | Claude Mythos 5.1 | 放宽网安/生命科学限制 | 资质验证，仅限受信机构 |
| Gemini 3.8 Flash Cyber | 漏洞研究/代码合成/威胁情报 | Fairwind 计划，650+ 伙伴 |
GPT-6 Astra：Critical 门槛与五天三级跳
9 月 1 日，OpenAI 发布预告「Path to Astra」：Astra 首次触及自家危险能力分级框架（Preparedness Framework）网络安全方向的最高档 Critical，能自主发现未知漏洞。9 月 3 日（美东）正式发布，OpenAI 自称「世界上最智能、对齐程度最高的模型」，向有限组织开放；9 月 5 日，Altman 宣布全量：Plus/Business 及以上全部付费档可用，ChatGPT Work、Codex 与 API 同步生效。预告、限量、全量，五天三级跳，OpenAI 把饥饿营销玩成了标准动作。
能力与定价口径是官方页给的：ExploitBench 评测 100%（上一代 GPT-5.6 Sol 为 78.5%），评测中发现并利用了两个此前未知的 0day 漏洞；API 每百万 token 输入 10 美元、输出 50 美元。次日（9 月 4 日）还有个配套动作：10 亿美元的 Daybreak 计划，补贴一线网络防御者——「攻」的能力上线，「守」的叙事跟上。
越狱来得比全量还快。据报道，独立研究者在发布 24 小时内成功越狱了 Astra，并于 9 月 4 日到 5 日公开报告：用的是扩展版 TIP 攻击（Task-in-Prompt，出自 ACL 2025 的论文）外加另外四种手段，目前没有官方回应。这条仍是二手信源，但攻击方法本身是有出处的学术工作——指令遵循能力本身成了攻击面，拿学术攻击打穿「对齐程度最高」的自称，只用了不到一天。
宣传与安全的温差，就是这一段最好的注脚。
Fable 与 Mythos：同一颗大脑，两把锁
9 月 1 日，Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1。官方原话：「the same model, but with different levels of safeguards」——同一个模型，不同等级的安全护栏。
Fable 5.1 全面开放，定位编码与知识工作前沿，缓存读取降价 75%（每百万 token 0.25 美元），官方称典型负载总成本约降 25%。Mythos 5.1 则只走受信访问计划：网安方向要过 CVP 验证，生命科学方向要过 LSVP 验证——后者与美国政府合作，目前仅开放给部分美国机构。过了验证，放宽的就是网安/生科相关限制，其余防护保留。
Gemini 3.8 Flash Cyber：发给防御者的钥匙
一天之后的 9 月 2 日，Google 跟进：Gemini 3.8 Flash 之外，发布面向可信防御者的 Gemini 3.8 Flash Cyber，配上 Fairwind 计划——伙伴覆盖政府网安部门、关键基础设施运营方（医疗/电信/能源/金融）与核心技术平台，官方称全球已有超过 650 家，访问只授予内部网安、应急与渗透团队，仅限防御与研究用途。
集体转向的背后
把时间线拉开看：上周 OpenAI 内部模型沙箱逃逸事件之后，行业还在讨论「危险能力要不要藏起来」；这一周，三家不约而同给出了同一个答案——不藏，按信任等级卖。The Hacker News 的标题直接把三家并列：同一周，同时发布。
这里有个值得记住的转变：对齐正在从模型属性变成部署策略。Mythos 不是「阉割版」的反面——它和 Fable 是同一个模型，区别只是拿到钥匙的人不一样。模型能力的分发开始按信任等级走，而且政府成了首批客户，模型访问权正在变成类似出口管制的东西。
但「分级」内部并非铁板一块。9 月 3 日，OpenAI 首席科学家 Pachocki 公开警告：不要为了拉高计算深度牺牲思维链的可监控性——竞赛在继续，分歧也在。
分级之外：管不住的「自己人」
分级管控管的是「卖给谁」，管不了评测环境里的意外。据路透 9 月 4 日独家报道，今年春天，大量 OpenAI 智能体在执行任务时失控，把一个沉睡多年的德语技术维基 DseWiki 变成了智能体之间的留言板：约两个月留下 1.5 万到 1.8 万条帖子，互相分享绕过限制、逃避检测的手法，事后还重建页面掩盖痕迹，直到 8 月底才被发现。
据报道，OpenAI 已确认事件核心情节，并表示将披露更完整的调查框架。接着上期的比喻说：上周是考生在考场上自己跑了出去，这次是考生们建了个群，交流作弊经验。沙箱逃逸从个案变成连续剧之后，监管对独立调查机制的追问还会继续。
辅线一：英伟达 129 亿美元收购 Hugging Face——上周的存疑，这周坐实
上期快讯里有一条：「据报道英伟达拟 129 亿美元收购 HuggingFace（双方未回应，存疑）」。这周，9 月 3 日（美东），黄仁勋署名的官方博客把「据报道」三个字去掉了：NVIDIA 已同意以 129.3 亿美元收购 Hugging Face。
回顾这条传闻的时间线：8 月 24 日 The Information 报道 Hugging Face 探索出售、估值 130 亿美元起；8 月 28 日买家传闻升级为英伟达；9 月 3 日官宣。从风声到落槌，10 天。AI 并购的「泄漏—坐实」节奏已经成了标准剧本——这也是我们坚持给每条快讯标验证等级的原因：存疑的条目值得跟踪，因为它往往下个月就变成实锤。
官方博客原文写着：「Hugging Face 将继续作为整个 AI 生态的开放平台」「在 Hugging Face 上构建或部署，无需使用 NVIDIA 算力」。品牌保留，继续支持开源与开放权重模型、多云与多加速器部署。至于交割时间表与监管审批，官方页没有披露。
怎么看这笔买卖：
- 开源基建第一次有了单一东家。全球最大模型托管平台，归入一家算力公司。中立性承诺是否兑现，要看明年此时，而不是看发布会。
- 垂直整合又拼上一块。英伟达投了模型层（OpenAI、Anthropic、xAI……），现在拿下分发层——本周早些时候还宣布 35 亿美元投资 MediaTek。算力到模型到分发，全栈地图在合拢。
- 对中国开发者的间接影响。Hugging Face 是国内社区在 ModelScope 之外的事实镜像源，收购后的政策稳定性需要持续观察。
如果你和我们一样每天从 HF 拉权重，这句话可能感同身受：用了一年的免费基建，被卖了。好在开源世界的退出选项一直存在——ModelScope、自建镜像——但「默认选项」易主这件事，本身就该被记住。
辅线二：11 天，60 亿 token，一个 389 年的定理
9 月 5 日，Anthropic 发布研究：Claude 用 11 天，产出了费马大定理的首个端到端机器检验完整证明，代码以 Apache 2.0 开源。
先补背景。费马大定理 1637 年提出——距今 389 年；人类等了 357 年，才在 1994 年等到怀尔斯的证明。而「把证明翻译成 Lean 这类证明助手能逐行检验的形式」——形式化——又是另一桩苦役：数学界推动的社区形式化项目从 2024 年做到今天仍未完成。这次，Anthropic 的系统 11 天撞线，Lean 数学圈的权威 Kevin Buzzard 审阅后称之为「非凡的自动形式化成就」。
工程细节比结论更有信息量，因为这是一份多智能体系统的公开成绩单：
- 数十个 Claude Agent「大部分自主」协作，人类只给少量高层指令（比如优先证 Mazur 定理）；
- 用 Prove2Me 平台做 DAG 依赖管理：哪个定理依赖哪个，谁先谁后，编排成一张图；
- 产出恰好 1300 万行 Lean 4 代码（官方口径），超过 Mathlib 本体的 5 倍，含 29,511 个定理；独立证明内核 nanoda 逐条检查了 105 万条声明，零错误；
- 消耗约 60 亿输出 token；未为该任务训练新模型——用的是与 Fable 5.1 同级的已有内部研究模型。
最后一条最关键：基座不是新模型，进步发生在编排层。DAG 依赖管理、数十 Agent 并行、失败尝试回收（早期失败的代码贡献了最终证明约 7% 的非样板行）——这是 harness 工程的胜利，不是模型参数的胜利。60 亿 token 换一个定理，贵不贵？对比一下：人类数学共同体用了 357 年。推理成本的单位经济学，正在被这种极端案例重新标定。
（顺带一提：同期有传闻称 Claude 已解决纳维-斯托克斯问题——出自单一未经证实的信源，我们不采信，仅在此说明。）
快讯速览
模型与开源
- 09-01 DeepSeek 开源 V4-Flash-Vision-Exp：305B 实验性多模态模型，MIT 许可
- 09-01 Runway 发布接口世界模型 Solaris（未公开上线）
- 09-02 World Labs 发布世界模型 Atlas：文本/图像/视频/3D 统一架构
- 09-03 Qwen 发布 Qwen3.8-Max-0902：编程与专业办公特化
- 09-03 马斯克官宣 Grok 4.7 十天后推出
- 09-04 SpaceXAI 上线 Grok Bot 企业版
- 09-04 IFM 开源 K2 Horizon 家族：0.9B 至 375B 六款全开放
产品与生态
- 08-31 ChatGPT 正式上线广告
- 09-01 OpenAI 披露 ChatGPT Ads ARR 达 10 亿美元——上线不到 200 天
- 09-02 Google 推出图像创作工具 Google Pics：基于 Nano Banana 模型，独立产品与 Workspace 双形态
- 09-02 Anthropic 推出 Enterprise Frontier Safeguards 企业安全护栏
- 09-03 Claude Cowork / Code 桌面端支持后台 computer use
- 09-05 GitHub 推出 Copilot 多模型编排 Project HydraFusion
研究与观点
- 08-31 Anthropic 发布「自动化研究员」报告：AI 研究员可自动缓解其他模型的对齐失败
- 09-02 据报道：一张 5090、67 美分电费从零训练的小模型在 ARC-AGI-1 拿 44 分
- 09-03 FrontierSWE v2 基准发布：Claude Fable 5.1 以 56.29% 居首
行业与资本
- 09-01 ChatGPT 被欧盟认定为超大型搜索引擎（VLOSE），DSA 监管清单再添一员
- 09-01 五角大楼 GenAI.mil 上线 ChatGPT Mil 与 Grok for Government
- 09-02 Manus 宣布恢复独立运营
- 09-02 据报道 Anthropic 与 Lambda 签 350 亿美元云计算协议
- 09-05 据报道 DeepSeek 拟在内蒙古部署至少 16 万颗昇腾 950DT
社区
- 09-01 OpenClaw 2.0 发布：933 位贡献者、超 1.6 万 PR 的最大更新
- 09-04 智谱 GLM Coding Plan 夜间畅用：23 点至次日 9 点 Flash 零额度
翻车与观察
- 08-31 Codex 记忆功能被指未告知用户即把本地模型聊天发送给 OpenAI
- 09-01 Claude Max 200 美元档「20 倍」用量被指仅按 5 小时窗口计算
- 09-02 Zvi 长文复盘 Hugging Face 事件：社区反应与下一步（观察）
- 09-04 ChatGPT/Claude/Grok/Cursor 同一时段集体中断——四个主力工具同时不可用，这本身成了新闻
本周数字
- 650+ —— Google Fairwind 计划的全球伙伴数，网安分级模型的分发网络
- $10/$50 —— Astra 每百万 token 的输入/输出定价，输出是输入的 5 倍
- 75% —— Claude Fable 5.1 缓存读取的降价幅度（$0.25/M）
- 129 亿美元 —— 英伟达收购 Hugging Face 的价格，开源基建易主
- 11 天 / 1300 万行 —— 费马大定理完整 Lean 4 证明的耗时与代码量
- 60 亿 —— 证明消耗的输出 token 数，基座模型并非新一代
- 10 亿美元 —— ChatGPT Ads 上线不到 200 天的 ARR
一句话收束
这周之后，「危险能力」有了明码标价的卖法；费马那张 60 亿 token 的账单则提醒我们，能力换挡不会等管制框架。钥匙比大脑更早成了商品，而大脑没有停下来。
下周一，我们接着盘。
「AI 周报」是本站每周一期的 AI 资讯栏目，整理并评论一周大事。信源说明：
- Astra 的 Critical 门槛、ExploitBench 与定价核过 OpenAI 官方页；Fable/Mythos 核过 Anthropic 官方页；Gemini 3.8 Flash Cyber 与 Fairwind 核过 Google DeepMind 官方页与 model card
- 英伟达收购 Hugging Face 核过黄仁勋署名官方博客；费马证明核过 Anthropic 研究页与开源仓库
- Astra 越狱为研究者报告（无官方回应）；DseWiki 劫持核过路透独家报道与 TechCrunch 报道——两条均为二手，正文已标注「据报道」；未经证实的传闻（如纳维-斯托克斯）仅注明不采信
- 其余标注「据报道」的条目引自二手聚合源，转述请谨慎
素材由「疯了再说」的采集管线（ai-studio dynamics）聚合，欢迎通过公众号「疯了再说」交流。