GPT-5.6 – OpenAI 推出的最新一代大语言模型系列AI工具2个月前更新AI小集04GPT-5.6是什么GPT-5.6 是 OpenAI 推出的最新一代大语言模型。模型首次采用天文学命名体系，推出三档型号：旗舰版Sol（太阳）面向高难复杂任务，是目前性能最强的版本；均衡版Terra（地球）性能对标 GPT-5.5 但价格仅一半，适合日常工作流；轻量版Luna（月亮）主打速度与低成本。核心能力聚焦于编程、生物信息学和网络安全三大方向，支持 150 万 tokens 超长上下文，在 Terminal-Bench、GeneBench 等基准测试中全面领先，新增 Ultra 模式通过多子 Agent 协作处理复杂任务。GPT-5.6的主要功能三档型号灵活选择：提供 Sol（旗舰）、Terra（均衡）、Luna（轻量）三个版本，分别对应高难度任务、日常工作和低成本高并发场景。超长上下文处理：支持 150 万 tokens 上下文窗口，可处理超长文档、代码库和复杂多轮对话。高级编程与终端操作：在命令行环境中执行复杂开发任务，支持项目结构理解、文件读取、代码修改、运行命令和报错分析。Ultra 模式多 Agent 协作：通过调度多个子 Agent 拆分处理复杂任务，统一汇总结果，提升长周期编码效率。生物信息学与基因组分析：支持长周期基因组学和定量生物分析任务，在更少输出 tokens 下获得更强结果。网络安全与漏洞研究：推进长周期安全任务，包括漏洞研究和 exploitation 相关任务，效率显著提升。分层安全防护体系：加强对高风险活动、敏感网络请求和重复滥用行为的防护，抵御真实世界攻击。提示词缓存与成本优化：优化重复提示词调用机制，降低高频场景下的 API 使用成本。如何使用GPT-5.6ChatGPT：Plus/Pro/Business/Enterprise用户可访问Sol（medium及以上effort），Pro和Enterprise可选Sol Pro。ChatGPT Work/Codex：免费和Go用户用Terra，Plus及以上可选Sol/Terra/Luna，可设置effort等级；max模式所有可用用户可开启；ultra在ChatGPT Work中Pro/Enterprise可用，Codex中Plus及以上可用。API：通过OpenAI API访问三档模型，Responses API支持Programmatic Tool Calling（ZDR兼容）和Multi-agent beta。GPT-5.6的官网地址官网地址：https://openai.com/index/gpt-5-6/GPT-5.6的核心优势三档分级灵活匹配：Sol（旗舰）、Terra（均衡）、Luna（轻量）覆盖高难度任务、日常工作和低成本高并发场景，按需选择不浪费算力。编程能力行业领先：Terminal-Bench 2.1 得分 Sol 88.8%、Sol Ultra 91.9%，超越 Claude Mythos 5（88.0%）等竞品。超长上下文窗口：支持 150 万 tokens，比 GPT-5.5 提升约 50%，可处理完整代码库、长篇文献和复杂多轮对话。Ultra 模式多 Agent 协作：自动调度多个子 Agent 拆分并行处理复杂任务，再统一汇总结果，大幅提升长周期编码效率。科研成本效率双优：GeneBench v1 上 Sol 比 GPT-5.5 得分更高，但输出 tokens 更少，生物信息学分析更省成本。网络安全高效精准：ExploitBench 接近 Mythos Preview 水平，但仅使用约 1/3 的输出 tokens，漏洞研究效率显著提升。分层安全防护体系：迄今最强安全堆栈，可抵御高风险活动、敏感网络请求和真实世界攻击。价格梯度合理：Terra 性能对标 GPT-5.5 但价格仅一半；Luna 成本最低；提示词缓存机制进一步降低重复调用开销。GPT-5.6的同类竞品对比对比维度GPT-5.6 Sol (OpenAI)Claude Fable 5(Anthropic)Gemini 3.1 ProPreview (Google)发布时间2026年6月27日2026年6月9日2026年2月19日模型定位旗舰版（三档分级：Sol/Terra/Luna）Mythos-class（高于Opus级别）旗舰多模态模型上下文窗口150万 tokens100万 tokens100万 tokensTerminal-Bench 2.188.8%84.3%70.7%SWE-bench Verified未公开具体分数95.0%未公开具体分数输入价格（/百万tokens）$5$10$2输出价格（/百万tokens）$30$50$12多模态能力文本、图像文本、图像、PDF文本、图像、音频、视频、PDF安全策略分层安全堆栈，需政府审批访问实时安全分类器，敏感查询自动降级至Opus 4.8标准安全策略GPT-5.6的应用场景复杂软件开发与终端操作：深入命令行环境执行复杂编码任务，包括项目结构理解、文件读取、代码修改、运行命令、报错分析与迭代修复，适合大型代码库重构和全栈开发。生物信息学与基因组研究：处理长周期基因组学分析和定量生物分析任务，在多轮数据解释、方法选择和假设比较中保持上下文一致，适合实验室和生物医药研发团队。网络安全与漏洞研究：执行长周期安全任务，包括漏洞挖掘、exploitation 研究和渗透测试，以更低 token 消耗实现高效分析。企业日常办公自动化：通过 Terra 版本处理文档分析、报告撰写、数据整理等高频日常工作流，性能对标 GPT-5.5 但成本减半。高并发低成本推理服务：通过 Luna 版本承载客服机器人、内容摘要、简单问答等大规模高容量调用场景，以最低价格提供强大基础能力。超长文档深度分析：用 150 万 tokens 上下文窗口处理完整技术手册、法律合同、学术论文或大型代码库的全文理解与跨章节关联分析。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Papers with Code - AI科研平台，自动关联论文、代码等下一篇HTML Anything - nexu-io 团队开源的 HTML 编辑器相关文章剪小映 – 抖音推出的AI视频剪辑应用AI小集4Talk to Ash – AI心理健康咨询师，全天候心理辅导和情感支持AI小集2Alpamayo-R1 – 英伟达推出的推理版视觉-语言-动作模型AI小集3Docling – IBM开源的文档解析工具AI小集3PersonaCraft – 首尔国立大学推出的单参考图像生成多身份全身图像技术AI小集2AI Anime Generator – 文本或照片自动生成动漫风格图像的AI在线工具AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！55分钟前Orbis – Visko推出的实时世界模型，让AI视频像直播一样1小时前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作19小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入22小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准1天前zg – Zvec AI 开源的本地优先统一检索基础工具1天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型1天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前

E-Commerce Bench – 千问联合淘天开源电商经营评测基准AI工具1天前发布AI小集02E-Commerce Bench是什么E-Commerce Bench 是阿里通义千问联合淘天集团开源的长程电商经营评测基准。E-Commerce Bench让 LLM Agent 以 10 万元本金在模拟真实市场中经营网店 365 天，涵盖选品、供应商谈判、定价、库存与现金流管理。环境基于真实平台数据，含 576 家供应商（含欺诈方）、8 场促销及 10 个市场事件，通过确定性内核保证可复现性，从盈利、谈判、反欺诈、长程学习等七维度评估模型的商业经营能力。E-Commerce Bench的主要功能长程经营模拟：让 LLM Agent 以 10 万元本金在动态市场中持续经营网店 365 天，最大化年末总资产。多店铺运营：支持同时开设最多 4 家、12 种不同类型的店铺，进行差异化品类布局。供应商谈判：与 576 家供应商开展多轮价格谈判，争取更低采购成本。反欺诈识别：识别并规避 152 家欺诈供应商的 5 种典型骗局（VIP 费、缺货、降质、假紧迫、折扣陷阱）。动态市场应对：在 8 场促销和 10 个突发事件（灾害、供应链冲击）下调整经营策略。库存与仓储管理：管理 6,886 个 SKU 的进销存，承担按件按天计算的仓储费用。现金流管控：处理三账户结算体系与 9 天延迟回款，避免 profitable-but-bankrupt（盈利却破产）。七维综合评估：从盈利、谈判、反欺诈、清偿力、效率、执行、长程学习七个独立维度打分。E-Commerce Bench的技术原理四层架构：系统由 Agent 循环层、工具层、环境层、数据层自上而下构建，实现决策、执行、环境反馈的闭环。确定性谈判内核：供应商的所有报价、让步与接受/拒绝决策由固定算法内核计算，LLM 仅负责将数字决策渲染成自然语言对话。这样既保留了多轮砍价的真实体感，又彻底消除了采样随机性，防止模型通过越狱或欺骗拿到成本线以下的价格，确保不同 Agent 在相同策略下获得可复现的结果。动态经济引擎：用户需求不做随机采样，通过品类基础需求、价格弹性、市场事件和店铺信誉等因子计算得出，仅由 episode 种子控制可复现的随机性。三账户结算与现金流压力：成本发生当天即从银行账户扣除，但销售收入需经过”发货 → 9 天平台担保期 → 平台钱包 → 手动提现”才能回流银行，刻意制造营运资金缺口，迫使 Agent 主动管理流动性，避免只看利润不看现金的短视行为。长程学习评估（AnchorRatio）：衡量 Agent 在重复采购同一商品时是否越买越便宜。以该 Agent 自身历史报价的随机重排作为零假设，若显著低于 1.0 则说明模型能从过往谈判经验中持续优化采购策略。微信关注回复“开源”，加入AI开源项目交流群如何使用E-Commerce Bench获取代码：从 GitHub 克隆 E-Commerce Bench 开源仓库到本地。环境配置：安装项目依赖并准备好 Python 运行环境。接入模型：在配置文件中填入待评测 LLM 的 API Key 与模型名称。启动模拟：运行主程序，Agent 将自动开始 365 天的电商经营回合。查看结果：模拟结束后，系统自动输出七维评估报告与全年资产变化曲线。E-Commerce Bench的核心优势首创长程经营评测：首次将 LLM Agent 评测从短程任务扩展到 365 天持续经营的动态商业场景。真实市场数据驱动：6,886 个商品、60 个品类、576 家供应商均基于真实电商平台脱敏数据构建。确定性内核保障可复现：谈判报价与市场需求由固定算法内核计算，LLM 仅负责对话渲染，彻底消除随机采样噪声。七维立体评估体系：不只看年末资产，同时独立考核谈判、反欺诈、现金流、效率、执行与长程学习能力。真实商业压力模拟：三账户延迟结算与按天仓储费机制，迫使 Agent 必须管理营运资金而非仅追求账面利润。反欺诈能力量化：内置 152 家欺诈供应商与 5 种典型骗局，精准测量模型的风险识别与资金保护能力。E-Commerce Bench的项目地址项目官网：https://ecbench.github.io/GitHub仓库：https://github.com/QwenLM/E-CommerceBencharXiv技术论文：https://arxiv.org/pdf/2608.30730E-Commerce Bench的同类竞品对比对比维度E-Commerce BenchTERMS-Bench核心定位长程自主电商经营全链路评测多轮对话谈判策略专项评测任务时长365天持续经营，单轮最高4,000回合单会话有限轮次谈判市场环境动态经济引擎（促销、灾害、季节性需求波动）静态或简化谈判场景经营复杂度涵盖开店、选品、库存、现金流、退货、履约仅聚焦买卖双方价格博弈反欺诈评估内置152家欺诈供应商与5种典型骗局不涉及欺诈识别维度长程学习度量AnchorRatio 量化跨时间重复采购的学习效果不评估跨会话经验积累可复现机制确定性谈判内核 + LLM 仅渲染对话依赖 LLM 同时扮演谈判双方数据来源真实电商平台脱敏商品与品类数据合成或人工构造场景E-Commerce Bench的应用场景大模型商业能力评测：为 GPT、Claude、Qwen 等前沿模型提供标准化的长程经营能力横向对比。电商 Agent 策略迭代：作为强化学习与 Agent 架构的训练沙盒，快速验证定价、采购与库存策略。供应链风控算法研究：在含欺诈供应商的模拟环境中测试和优化供应商筛选与风险识别模型。动态定价算法验证：利用真实价格弹性数据，检验不同定价策略在促销与季节性波动中的收益表现。商业决策模拟培训：作为商学院或企业内部的经营模拟器，训练管理者在现金流压力与市场不确定性下的决策能力。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇zg - Zvec AI 开源的本地优先统一检索基础工具下一篇Pi - 开源的终端编程 Agent，支持自定义工具与模型接入相关文章Flipbook – AI 原生无限视觉浏览器，所有页面实时按需生成AI小集3Vibecode – AI应用构建平台，零门槛构建移动应用AI小集3Unbounded – 谷歌推出的首款AI生成式无限人生模拟游戏AI小集4Mistral Large – Mistral AI发布的一款先进的大语言模型AI小集3PixelWave Flux – AI图像生成模型，基于FLUX.1-dev模型微调版本AI小集3AI速搭 – 百度智能云推出的低代码开发平台AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！36秒前Orbis – Visko推出的实时世界模型，让AI视频像直播一样6分钟前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作18小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入21小时前zg – Zvec AI 开源的本地优先统一检索基础工具1天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型1天前GPT-6 Astra – OpenAI 推出的最新旗舰大模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前

GPT-6 Astra – OpenAI 推出的最新旗舰大模型AI工具1天前更新AI小集02GPT-6 Astra是什么GPT-6 Astra 是 OpenAI 推出的旗舰大模型，官方称其为「全球最智能、最符合人类意图的模型」。模型突破传统聊天边界，进化为能独立操作软件、浏览网页、完成复杂任务的 AI Agent。在 ARC-AGI-3的得分达到 99.9%、ExploitBench获得 100% 成绩等测试中创下纪录，可胜任编程、科研、网安等专业工作。GPT-6 Astra的主要功能Computer Use：独立操作计算机软件、浏览网页、填写表单、更新 CRM 与整理日程。软件工程：完成复杂编程与代码库理解，Terminal-Bench 与 DeepSWE 测试均达 SOTA。科学研究：直接分析实验数据、生成图表，FrontierMath Tier 4 得分 97.6%。网络安全：发现并利用 zero-day 漏洞，ExploitBench 测试达 100%。3D 与硬件设计：操作 Blender、Unity、KiCad 完成 3D 建模、游戏场景与 PCB 电路板设计。专业文档：生成排版精美的海报、演示文稿及可直接使用的商务文档。GPT-6 Astra的技术原理超大规模预训练：首次在美国 Stargate 德州基地使用超 10 万张 GPU 完成预训练，是 OpenAI 迄今规模最大的训练项目之一。模型对齐与安全：集合多年强化学习和对齐研究成果，采用此前模型参与监督；在突破任务边界测试中，越权比例从 48% 降至 0%。长程上下文管理：Codex 跨上下文窗口保存笔记并支持搜索过往消息与工具输出，使长时任务不丢失关键信息。分级安全策略：普通版本拒绝高级网络安全请求，经审核的安全团队可通过 Daybreak 项目获得更开放的能力访问，平衡性能与风险。如何使用GPT-6 Astra获取权限：订阅 ChatGPT Plus/Pro/Business/Enterprise 或申请 API 访问，获得 GPT-6 Astra 使用权限。切换模型：在ChatGPT客户端或 API 端点中选择 GPT-6 Astra 作为当前模型。输入指令：用自然语言输入复杂任务指令，支持编程、设计、科研、办公自动化等多场景。开启 Computer Use：开启 Computer Use 功能，授权 Astra 自主操作软件、浏览网页及调用外部工具。交互确认：根据执行进度实时反馈，确认关键节点或调整需求，直至任务完成并导出成果。GPT-6 Astra的核心优势Agent 能力质变：从聊天问答进化为能独立完成复杂任务的 AI Agent，可直接操作软件、浏览网页、处理专业工作流。顶尖基准成绩：ARC-AGI-3 达 99.9%，ExploitBench 达 100%，FrontierMath Tier 4 达 97.6%，多项测试刷新纪录。软件工程领先：Terminal-Bench 与 DeepSWE 均达 SOTA，代码生成迭代更少，长程任务上下文不丢失。科学研究能力：可直接进入专业软件分析实验数据，参与数学研究并推进素数间隔问题。创意与硬件设计：支持 Blender、Unity、KiCad 完成 3D 建模、游戏场景搭建与 PCB 电路板设计。网络安全双刃剑：具备发现 zero-day 漏洞的能力，但通过 Daybreak 分级策略严格管控开放范围。GPT-6 Astra的项目地址项目官网：https://openai.com/index/gpt-6-astra/GPT-6 Astra的同类竞品对比对比维度GPT-6 Astra (OpenAI)Claude Fable 5.1(Anthropic)产品定位全球最强 AI Agent，AGI 时代起点Anthropic 旗舰模型，侧重安全与推理Computer UseOSWorld 2.0:72.6%Agents’ Last Exam:59.3%ScreenSpot-Pro:92.7%Agents’ Last Exam: 48.7%ScreenSpot-Pro: 87.3%软件工程Terminal-Bench 4.0:57.7%DeepSWE v1.1:74.1%FrontierCode Ext: 64.5%Terminal-Bench 4.0: 55.8%DeepSWE v1.1: 67.4%FrontierCode Ext: 63.6%科学研究FrontierMath Tier 4:97.6%GPQA Diamond:96.0%Terminal-Bench Science:64.6%FrontierMath Tier 4: 87.8%GPQA Diamond: 93.7%Terminal-Bench Science: 52.6%网络安全ExploitBench:100%ExploitGym:42.4%ExploitGym: 30.4%安全对齐越权比例0%CU 安全:2.4%CU 安全: 9.5%定价输入 $10/M tokens输出 $50/M tokens输入 $10/M tokens输出 $50/M tokens开放策略分级开放，普通用户受限，安全团队 via Daybreak通过 Claude 平台及 API 标准开放GPT-6 Astra的应用场景软件工程：自主完成复杂代码编写、调试与数据库迁移，Terminal-Bench 与 DeepSWE 测试均达行业顶尖水平。科学研究：直接进入专业软件分析基因测序数据、生成实验图表，并参与推进数学前沿难题研究。办公自动化：独立操作 Excel、Power BI 等工具，完成填表、CRM 更新、日程整理及复杂数据分析。3D 与硬件设计：在 Blender、Unity 中完成 3D 建模与游戏场景搭建，或使用 KiCad 完成 PCB 电路板布局设计。网络安全：主动扫描并发现 zero-day 漏洞，帮助企业修复系统缺陷，同时通过分级策略防止滥用。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Cheso - 腾讯推出的 AI PPT Agent 制作工具下一篇MAI-Transcribe-2 - 微软推出的最强 AI 语音转文字模型相关文章podlm-public – 开源的AI博客生成工具，支持网页URL、文本转换成博客AI小集2MindVideo AI – 免费AI视频生成工具，支持图、文生视频AI小集3AniTalker – 上海交大开源的对口型说话视频生成框架AI小集3GoCharlie – 营销全栈AI平台，支持多模态内容输入输出AI小集2Immersity AI – 支持2D图像和视频转换为3D视觉效果的AI平台AI小集3App Intents – 苹果推出的集成Siri和Apple Intelligence新框架AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录Tokera AI文优小助ByteCPAgent.SpaceQwenWorkDeepSkill最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！44秒前Orbis – Visko推出的实时世界模型，让AI视频像直播一样6分钟前SchoAI思果学术 – 科研学术 AI 助手，一键完成论文写作18小时前Pi – 开源的终端编程 Agent，支持自定义工具与模型接入21小时前E-Commerce Bench – 千问联合淘天开源电商经营评测基准1天前zg – Zvec AI 开源的本地优先统一检索基础工具1天前MAI-Transcribe-2 – 微软推出的最强 AI 语音转文字模型1天前Cheso – 腾讯推出的 AI PPT Agent 制作工具2天前Muse Spark 1.3 – Meta 推出的新一代大语言模型2天前Easel – 浙大联合北大开源的 AI 社交媒体内容工作台2天前Gemini 3.8 – 谷歌推出的推理与编码模型2天前Fusion Model – FUMO Lab 推出的智能分配模型3天前Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型3天前Muse Voice Transcribe – Meta 推出的首个实时音频感知模型3天前Atlas – World Labs 推出的全球首个多模态世界模型3天前

感谢IT之家网友万行、南琴梨、简纸Paper、苹果笔会梦到乔布斯吗、未央、AlanMac、愚公骑马、汪汪的主人是喵喵、软媒新友1970583、软媒新友2203184、华南吴彦祖、凉、软媒用户1053564、勇者阿帽、不甜的砂糖、Stephen_233、火瓶座、乌蝇哥的左手、棒槌的线索投递！IT之家9 月 4 日消息，当地时间 9 月 3 日，OpenAI 宣布推出新一代 GPT-6 Astra 模型，这是该公司迄今为止最强大、部署最广泛的大语言模型。据介绍，Astra 是 OpenAI 旗下首个达到其“准备框架”（Preparedness Framework）中“关键”（Critical）网络安全能力门槛的模型。格雷格 · 布罗克曼（Greg Brockman）声称，随着 Astra 的发布，世界已经进入了通用人工智能的新时代。据 OpenAI 介绍，Astra 在网络安全能力上实现了显著跃升。在提供适当工具和访问权限的情况下，该模型能够在无人指导的条件下，发现许多防护严密的系统中此前未知的安全漏洞，并开发新的利用方式。针对网络安全能力提升，OpenAI 进一步加强了 GPT-6 Astra 的安全防护，包括强化内部开发和部署环境隔离、加密模型检查点，以及对完整运行轨迹进行统一监控。OpenAI 还引入了在内部使用前必须通过的阻断式对齐评估流程，并针对模型可能因滥用或自身偏差采取有害网络操作的风险增加防护措施。与 GPT-5.6 Sol 相比，GPT-6 Astra 的抗越狱能力也有所提升。OpenAI 称，该模型通过新的鲁棒性（指模型在面对被破坏的、异常的、有恶意的输入时，能否做到“临危不乱”）安全训练技术，在较长运行轨迹中的表现同样更加稳定。在具体应用场景中，Astra 在面对提示词注入攻击的鲁棒性显著优于 GPT-5.6 Sol，在真实浏览和专业计算机环境中的不对齐及潜在破坏性行为（如未经授权的交易、数据丢失、过度访问或规避控制）也大幅减少。此外，Astra 在高风险场景中的响应更为安全，且在 18 岁以下用户的年龄适配安全边界应用上更为一致。IT之家注：提示词注入攻击（Prompt Injection）是指通过特定输入诱导 AI 系统偏离原有指令或安全约束的攻击方式。OpenAI 表示，公司通过离线测试，以及内部和外部越狱测试与修复计划，对 GPT-6 Astra 进行了验证。针对被标记为潜在高风险的用户，模型还接受了更保守拒答边界方面的训练。此外，OpenAI 采用回归测试确保 GPT-6 Astra 能够抵御此前测试阶段发现的越狱方式，并使用最新的内部自动化红队攻击模型进行了新一轮测试。在模型对齐方面，OpenAI 称 GPT-6 Astra 相较 GPT-5.6 Sol 也有所改进，涉及预训练数据构成以及强化学习阶段的评估机制。根据 OpenAI 公布的一组对齐评估结果，GPT-6 Astra 在遵守安全与安全边界、以及保持在获授权范围内执行任务方面表现更好。OpenAI 还利用超过 5.4 万项内部 Codex 任务开展部署模拟。在这项测试中，GPT-6 Astra 被标记为高严重程度失配行为的次数约为 GPT-5.6 Sol 的一半。OpenAI 同时扩大了失配监控系统的部署范围，将其加入 GPT-6 Astra 对外部署过程中涉及工具调用的推理流程。该监控系统需要消耗大量计算资源，其架构与 OpenAI 内部使用的监控方案相似。不过，OpenAI 也指出，GPT-6 Astra 的可监控性较 GPT-5.6 Sol 有所下降。相关研究显示，Astra 更有能力控制自身思维链（CoT），并且更不容易在其中留下可能暴露问题的信息。在对抗性测试中，OpenAI 要求模型主动规避监控，发现 GPT-6 Astra 在评估中故意降低表现时可以保持不被发现；在执行部分破坏性任务时，它有时也能够规避内部监控。OpenAI 称，目前尚未发现 GPT-6 Astra 存在思维链隐写推理的证据，即通过普通且看似无关的文本隐藏推理信息。因此，现阶段观察到的规避风险可能主要局限于较低难度的推理任务。OpenAI 强调，这些结果主要来自要求模型主动规避监控的对抗性评估，而整体对齐测试仍显示，GPT-6 Astra 违反安全限制的可能性低于 GPT-5.6 Sol。OpenAI 表示，公司将继续研究上述趋势及其对模型可监控性的影响，并把保持和利用思维链监控能力作为相关研究计划的核心目标。同时，公司认为，仅依靠检查模型思维链并不足以完成对齐审计，还需要发展其他审计技术。在浏览和办公环境中，GPT-6 Astra 同样针对提示注入进行了强化。OpenAI 在真实浏览及专业计算机环境中测试发现，该模型执行未授权交易、造成数据丢失、过度访问权限或绕过控制措施等潜在破坏性行为的可能性低于 GPT-5.6 Sol。在智能体场景中，GPT-6 Astra 处理高风险请求时也更加谨慎。例如，对于涉及暴力攻击策划或实施欺诈的请求，其行为安全性均有所提升。OpenAI 最后表示，GPT-6 Astra 在来自实际生产环境及人工红队测试的高风险请求中，相较 GPT-5.6 Sol 能够更安全地完成允许处理的任务，同时减少对无害请求的不必要拒答。OpenAI 首席科学家 Jakub Pachocki 在 9 月 3 日上午的简报会上表示：“随着模型能力增强，准确理解它们能做什么变得更困难了。这并不保证随着智能持续提升，我们的方法仍然足够有效，因为智能的进步并不能保证对齐的进步。”

HuggingFace是什么Hugging Face 是机器学习社区协作平台，专注于模型、数据集和应用程序的共享与开发。平台提供超过 200 万个预训练模型，涵盖自然语言处理、计算机视觉、语音识别等多种任务，支持一键下载和使用。同时，Hugging Face 拥有海量开源数据集，方便开发者快速加载和处理数据。通过 Spaces 平台，用户能快速部署 AI 应用，实现从想法到产品的快速迭代。Hugging Face 的开源工具库（如 Transformers 和 Datasets）为开发者提供了强大的技术支持，简化开发流程。Hugging Face服务于开发者，推动了 AI 教育和社区建设，成为全球 AI 开发的重要基础设施。HuggingFace的主要功能模型共享与探索：提供超过 200 万个预训练模型，涵盖文本、图像、音频等多种任务，支持一键下载和使用。数据集管理：拥有海量开源数据集，支持一键加载、处理和流式读取，方便开发者快速获取和使用数据。AI 应用托管：通过 Spaces 平台支持创建、分享和运行 AI 应用，支持 GPU/TPU 加速，适合快速原型开发和模型展示。开源工具库：提供 Transformers、Datasets、Tokenizers 等开源工具，支持快速开发和部署 AI 模型。模型部署服务：通过 Inference API 提供一键部署功能，支持云端推理，简化模型上线流程。社区协作：拥有活跃的开发者社区，支持团队协作、代码共享和知识交流，促进 AI 技术的共享与创新。企业级支持：提供付费服务，包括高性能计算资源、私有仓库和企业级安全支持，满足企业级需求。多模态支持：支持文本、图像、音频、视频等多种模态的模型和应用开发，推动多模态 AI 的发展。教育与学习：提供丰富的文档、教程和在线演示，帮助开发者快速上手，推动 AI 教育普及。如何使用HuggingFace注册账号：访问 Hugging Face 官网 https://huggingface.co/，完成账号注册和登录，以便访问平台资源和服务。浏览资源：在 Model Hub 中查找和选择预训练模型，或在 Datasets Hub 中搜索适合的数据集，也可在 Spaces 中探索已部署的 AI 应用。使用开源工具：安装 Hugging Face 提供的开源工具库（如 Transformers 和 Datasets），能快速加载和使用模型与数据集。创建和部署应用：在 Spaces 中创建自己的 AI 应用，选择合适的框架（如 Gradio 或 Streamlit），用平台提供的托管服务快速部署。利用 Inference API：选择一个模型并用 Inference API 提供在线推理服务，通过简单的 HTTP 请求实现模型的快速调用。参与社区互动：在 Hugging Face 论坛、Discord 或 GitHub 上提问、分享经验和参与讨论，获取社区支持和最新动态。使用付费服务（可选）：根据需求订阅 Hugging Face 的付费服务，获取更强大的计算资源、企业级支持或私有仓库等功能。HuggingFace的产品定价专业账户 PRO Account：每月9美元，提供个人Hugging Face体验增强，包括10倍私人存储容量、20倍推理积分、8倍ZeroGPU配额和最高队列优先级、Spaces开发模式和ZeroGPU Spaces托管、在个人Hugging Face资料上发布博客文章、私有数据集的Dataset Viewer以及显示专业徽章。团队Team：每位用户每月20美元，为成长中的团队提供即时设置，包括SSO和SAML支持、选择数据位置与存储区域、详细的操作日志、通过资源组进行细粒度访问控制、存储库使用分析、设置身份验证策略和默认存储库可见性、集中式令牌控制和批准、私有数据集的Dataset Viewer以及Spaces的高级计算选项。企业 Enterprise：每位用户每月50美元起，提供定制的入职和企业功能，包括团队计划的所有好处、最高的存储、带宽和API速率限制、年度承诺的托管计费、法律和合规流程以及个性化支持。HuggingFace的应用场景自然语言处理（NLP）：用于文本分类、情感分析、机器翻译、问答系统、文本生成等任务，支持多种语言和领域。计算机视觉（CV）：实现图像分类、目标检测、图像分割、图像生成等功能，支持多种视觉模型和数据集。语音处理：应用于语音识别（ASR）、语音合成（TTS）等任务，支持语音数据的处理和模型部署。多模态应用：结合文本、图像、音频等多种模态，开发图文生成、视频理解、语音问答等复杂应用。模型部署与服务：通过 Spaces 和 Inference API 快速部署模型，提供在线推理服务，支持企业级应用。©️版权声明：若无特殊声明，本站所有文章版权均归AI工具集原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。类似于HuggingFace的工具腾讯混元大模型腾讯研发的大语言模型，具备强大的中文创作能力，复杂语境下的逻辑推理能力，以及可靠的任务执行能力Lobe简单免费的机器学习模型训练工具Lamini低门槛快速定制大语言模型的引擎MOSS复旦大学团队开发的对话式大型语言模型无阶未来AI应用与弹性算网平台Gradio开源的搭建机器学习模型UI界面的Python库暂无评论再想想发表评论暂无评论…

两年前，理想 MEGA 上市，这是一台无论开在路上，还是在舆论场里，都无法被忽视的车。它没有采用豪华 MPV 常见的直立车头和巨大格栅，而是以水滴形车头与平滑车顶，勾勒出一副略显科幻的「高铁」轮廓。理想 MEGA 的设计无疑足够先锋，而 0.215Cd 的风阻系数、纯电平台对效率的要求，以及三排乘员对车内空间的需求，又共同赋予了这套设计以工程上的合理性。但很可惜，相比工程逻辑，更快抵达公众视野的是围绕外观展开的嘲讽与争议。9 月 2 日，新一代理想 MEGA 正式发布。新车依然沿用了旧款 MEGA 的整体造型，仅在细节处做了一些微调，面对过去两年的争议，理想最终坚持住了这套由产品逻辑推导而来的原创设计。新车只提供 MEGA Home 一个版本，全国统一零售价为 50.98 万元，比 2025 款 MEGA Home 低了 5 万元，车辆已经抵达全国零售中心，本周内开启交付。值得一提的是，这个价格恰好与全新一代理想 L9 Livis 完全相同，都是 50.98 万元，Livis 更强调科技与智能终端属性，MEGA Home 则把空间、关系和陪伴放在中心，在同一个旗舰价位上，理想给出了两种关于「家」的答案。理想还在发布会上公布了 MEGA 右舵版的出海计划：新车预计于 2026 年底陆续进入中国香港、中国澳门、新加坡和泰国等右舵市场。这台全新的 MEGA Home，也将成为理想走向这些市场时一张辨识度极高的产品名片。MEGA 守住了本心新一代 MEGA 最明显的变化，恰恰是没有发生方向性的变化。车身主体轮廓与上一代基本相同，前脸重新处理了大灯开口与进气口的关系，缩小进气口，以 UWB 近场感知系统取代传统的超声波雷达开孔，并增加深灰色镀铬饰条。尾部部分，MEGA 扩大了后窗，收紧了原本偏圆润的曲面，折线也变得更加利落，新增的飞碟轮毂则用全封闭轮毂盖继续服务于低风阻。理想没有因为上一代的争议而否定这套产品逻辑。两年过去，中国汽车市场出现了更多新车，也出现了更多相似的车头、灯带、轮廓和座舱。在一个「心有灵犀」越来越常见的市场里，MEGA 那副一眼便能被认出的车身，反而显得非常稀缺。车内则是这一次新款 MEGA 升级的重点。先来看座椅，二排旋转零重力座椅增加了独立悬浮坐垫，中央柔软区域与两侧支撑区域可以分别工作，在贴合身体的同时保留侧向支撑。每张座椅还配有头枕、腰枕和腿枕三个软枕，其中头枕与腿枕支持加热。第一排座椅则增加环抱侧翼与舒适海绵，并将前排双零重力座椅列为标配，前两排四个位置都能进入零重力状态。第三排则在已有加热的基础上进一步加入座椅通风，让三排座椅全部具备通风和加热。理想此前一直强调车里的每一个位置都应该拥有好的体验，这次补上的第三排通风，也算是这一句话的再次印证。座椅之外，理想把加热延伸到全车 31 处位置，除方向盘、座椅、头枕和腿枕外，一排门板扶手、中央扶手和二排座椅双扶手也带有表皮加热。按照理想的说法，这是一个「手能够碰到的地方都是温暖的」温暖座舱。看完椅子，Home 里当然还要有桌子。安装在一排座椅靠背上的小桌板，这一次加入了桌面自动调平功能，并增加防夹与自动回弹，无论一排座椅如何调整靠背，桌面都能保持平稳。大餐桌则支持大小组合，平时是一张小茶几，接入两侧折叠桌板后变成完整大餐桌。无论是多个软枕、扶手加热，还是桌板调平，这些细节上的调整，显然都来自长时间的体验、反馈和再设计。理想对细节的追求，也让这个「移动的家」变得更加完整舒适。顶棚上的 Home Light 则把这种细化从身体接触延伸到了整个空间，这是一条纵向贯穿天幕的灯带，396 颗 LED 组成色温 3500K 的柔光主灯，中央保留星河氛围灯。此前我们也曾在蔚来的高端车型上看到过类似的设计，不过 MEGA Home 依然保留了二排的悬吊移动屏，并且屏幕支持 12 厘米的电动平移，二排可以通过手势控制屏幕移动。二排顶棚的遮阳帘则被一分为二，并可以被单独控制，配合二排侧窗的电动遮阳帘，车内可以在采光、照明和休息之间分别调整。如果还需要更完整的私密空间，理想提供覆盖二排侧窗、三排侧窗与后车窗的 270°电动变色玻璃，总面积 2.5 平方米，选装价格为 1.5 万元。从这台车的各种细节中不难看出，理想依然在强化「家」的主题，主动削弱一台旗舰 MPV 的商务感。门外的迎宾光毯也延续了这一定调，没有印上品牌名称或 Logo，而是用手写体写下 Sweet Home——「甜蜜的家」。从座舱内的布置到上下车时的第一眼，理想确实让这台车更像一个家了。移动的家上一代 MEGA 已经可以说是理想底盘体验最上乘的一台车。理想在发布会上公布的用户调研中，旧款 MEGA 满意度排名第一的项目甚至不是空间和座椅，而是驾驶，用户给出的主要理由是「底盘高级感」。新一代 MEGA 没有推翻这套基础，但作为一台车长超过 5.3 米的大型 MPV，除了舒服之外还有很多东西需要考量。比如在旧款 MEGA 上市时，缺少后轮转向就已经被舆论和不少车主诟病过。而这次，后轮转向终于来了。新车标配线控转向与后轮转向，重新设计后桥后，最小转弯半径从 6.2m 缩短到 5.5m，与尺寸小得多的理想 i6 相当。灵活之外，新车还要解决大型 MPV 较高的车身、较大的质量在转弯和紧急变线时产生的侧倾问题。新一代 MEGA 标配双腔空气弹簧、双阀 CDC 减振器和 800V 主动防倾杆，理想将这套组合称为「800V 主动防倾魔毯底盘」。空气弹簧和 CDC 继续处理路面起伏与车身俯仰，主动防倾杆则以 30 毫秒的响应速度，在转弯和变道时主动抑制车身侧倾。按照发布会公布的测试结果，新车以 108km/h 完成了 ISO 3888-1 标准紧急变线测试，研发团队随后还进行了 120km/h 的极限挑战。比测试成绩更「理想」的，是这根主动防倾杆在停车时的另一种用法。打开车门后，车身可以在 1.5 秒内向一侧倾斜，让门槛降低 30mm，与此同时，二排座椅向外旋转 45°，孩子和老人不必先跨过较高的门槛，再侧身钻进座舱。关闭车门后，车身会在 1.5 秒内恢复正常姿态。理想把这套动作称为「大象迎宾」。新一代 MEGA 的空间已经足够像一间客厅，新底盘所做的，是让这间客厅在移动时依然平稳，在停车时也更容易进入。只有一个版本空间和底盘之外，新一代 MEGA 当然也装入了理想当前最新一代的座舱与辅助驾驶硬件。前排是一块 29 英寸 6K OLED 全景屏，尺寸与全新一代 L9 Livis 相同，理想称其为全球首款车规级量产 OLED 超宽屏，后排则是一块 21 英寸 4K OLED 移动屏。座舱芯片升级为高通骁龙 8797，音响采用 9.3.6 布局，峰值功率达到 5440W。辅助驾驶部分，MEGA 标配双马赫具身智能套装，包括两颗马赫 M100 芯片、四颗激光雷达和三色星环灯。发布会上，理想简要展示了马赫 VLA 2.0 高效模式在起步、提速和绕行方面的用户视频，但他们也表示，马赫 VLA 2.0 2026 年内还会继续推进。动力方面，MEGA Home 标配 108kWh 三元锂 5C 电池和前后双电机四驱，CLTC 纯电续航为 710km。按照理想公布的数据，新车充电 10 分钟可以增加 500km 续航。随着理想自营充电网络不断扩展，补能已经不再是任何一台理想长途出行中的短板，这里也就不再赘述。最后，再来看看选配件。理想目前提供三种轮毂方案，除了常规版本，还有两款封闭式的「飞碟轮毂盖」，分别为「深空灰」和「熊猫白」，9 月 30 日前订购，选择飞碟轮毂的用户会同时获得两款轮毂盖。配色方面提供了五种漆面，均为低饱和色系，其中只有「新·大象灰」收费 1 万元，其他均为免费。前文提到的覆盖二、三排侧窗和后车窗的 270°电动变色玻璃收费 1.5 万元，理想全系老用户复购，则可免费获得。新一代 MEGA 的定价逻辑很清晰，只有一个版本，用户不必反复权衡。它与 L9 Livis 售价相同，但理念并不相同，Livis 是理想向智能终端伸出的触角，MEGA Home 则回到客厅中央。不过单就产品来看，MEGA 提供的配置和体验，显然让同价位的 L9 Livis 显得逊色了一些。两年前，MEGA 因为太不像一台传统 MPV 而遭受攻击，两年后，当市场上出现更多新车、更多相似的轮廓和越来越熟悉的答案，它的独特反而变得更加稀缺。你当然可以不喜欢 MEGA，但我们应该允许中国汽车市场出现更多这样的原创设计。当创新需要付出的代价越来越高，车企最终学会的便不再是如何做出更好的设计，而是如何造出一台不会犯错，但也不会被记住的车。好在面对过去两年的争议，新一代 MEGA Home 仍然选择做自己。

以近乎下饺子的速度，Gemini 又双叒更新了。今天凌晨，Gemini 3.8 Flash 正式上线。这已经是 Google 在六周之内发布的第三款 Flash 模型。看起来，Google 要把「小步快跑」的战略贯彻到底。但我比较担心的是，按这个速度，在 Gemini 4 出来之前 3.x 的版本号好像不太够用了……从版本号上看这只是一个常规更新，但 Google 给 Flash 系列模型安排的任务却越来越重。官方说法称，它的目标是编写和修改大型项目、反复调用工具、独立完成持续数小时的复杂工作。这些一般用来衡量顶级 Agentic 模型的活儿，如今都委派给了 3.8 Flash。Flash 系列原本的意义是跑得更快、花得更少，但现在，它不得不代替迟迟没有出现的 3.5 Pro，证明 Google 仍有能力留在牌桌上。看官方跑分，Google 似乎真的做到了；但社区反馈和我们的简单测试得出了一个相反的结论：六周连更三代，Gemini 3.8 Flash 依然「圣质如初」。三周一个新模型，跑分已逼近 Opus 5Google 将 Gemini 3.8 Flash 称为「迄今最聪明的 Flash 模型」，主要面向长程软件工程、自主 Agent 和复杂企业工作流。话都这样说了，那最显眼的提升自然是编程。在测试长程软件工程能力的 DeepSWE v1.1 中，Gemini 3.8 Flash 拿到 71.0% 的成绩，相比 3.7 Flash 的 65.3% 又提高了近 6 个百分点，距离 Claude Opus 5 的 74.0% 只剩一步之遥——要知道，一个半月以前的 3.6 Flash 只有 49%。而在跨越 STEM、人文和专业知识的 HLE-Verified 中，3.8 Flash 得分 54.9%，略高于 Opus 5 的 54.4%。在部分多模态测试中，优势甚至更为明显：复杂图表理解测试 CharXiv Reasoning 得分 86.2%，超过 Opus 5 的 83.7%；采用 Agent 模式处理长视频时，LVBench 得分达到 87.8%，更是碾压 GPT-5.6 Sol 和 Opus 5 在内的一众顶级模型。金融和法律也是 Google 重点宣传的方向。3.8 Flash 在 Vals Finance Agent V2 和 Harvey’s Legal Agent Benchmark 中均超过 3.7 Flash 及其他更昂贵的前沿模型。只看这些数字，一款价格远低于 Opus 5 的 Flash 模型，似乎已经在编程、图表、视频和部分专业任务中摸到了旗舰模型的门槛。好消息是，这些能力提升算是「免费升级」，因为 3.8 Flash 和不久前发布的 3.7 Flash 价格保持一致：每百万 Token 输入 0.75 美元，输出 3.75 美元。原则上这只是限时优惠价格，2027 年 1 月 1 日起，输入输出价格将分别恢复至 1.5 美元和 7.5 美元。其实早在 3.6 Flash 发布时，Google 就说过这优惠价只会持续到年底；但现在看来，他们更新模型的速度已经明显快过更新价格。说不定这个优惠政策，能熬走四五代模型。Google 解释称，3.8 Flash 之所以能完成更困难的任务，主要是因为它「更加努力」。也就是说，面对复杂问题时，它会执行更多推理步骤、反复调用工具，并在过程中检查自己的工作。代价是，它可能比 3.7 Flash 消耗更多的 Token。Google 甚至建议，如果任务更重视计算效率，可以选择降低推理档位，或者继续使用 3.7 Flash。从这个角度来看，3.8 Flash 所谓的更强，似乎有相当一部分来自这种推理上的「强制超频」。与 3.8 Flash 一起发布的还有 3.8 Flash Cyber。在顶尖大模型越狱发动攻击已经变成一种新的 benchmark 的当下，Cyber 可以说是专门给网络安全机构和网络基础设施维护者用来发现、修复漏洞的专用「补锅匠」。Google 表示，在一项覆盖 20 种编程语言的内部漏洞发现测试中，其成功率超过 70%。不过，这款模型只通过 Fairwind Program 提供给可信的网络安全机构，普通用户还是接触不到。速度很 Flash，结果也还是 Flash为了彰显对 3.8 Flash 的宣传所言非虚，Google 在官方博客中准备了几段炫技演示。其中一个是完整的 3D 魔法城堡。玩家扮演巫师在城堡中探索，场景里包含谜题、环境叙事、可交互物品和完整关卡，纹理由 Nano Banana 负责生成。另一个案例则把 Google Maps 塞进了 DOS 界面。它复刻了早年的计算机视觉风格，功能相当完善，可以搜索地点、规划路线，甚至进入街景界面。至少从官方视频来看，这些已经是具备交互功能和基本产品逻辑的完整 Demo 了。但 Google 说的话吧，我们也就姑且听听，毕竟前天他们还向《华尔街日报》爆料称内部工程师编程时更喜欢用 3.8 Flash 而不是 Opus 5……结果怎样，还是要实测了才知道。所以，我们也拿了两个类似的任务，简单测试了下 3.8 Flash 的成色。第一项测试是利用 Three.js 搭建一个空客 H145 直升机的 3D 模型。3.8 Flash 没让我等太久，仅用不到一分钟就拆解完了需求，然后以恐怖的速度倾泻出代码；又过了 109 秒，场景和模型就都做好了。提示词：Create a realistic 3D model of an Airbus H145 helicopter in Three.js. Use the standard factory demonstrator color scheme, emphasizing the compact fuselage, Fenestron enclosed tail rotor, and detailed rotor assembly. Use clean geometry, realistic PBR materials, soft studio lighting, and a neutral background in Three.js。单从生成速度来看，它的确对得起 Flash 的名头。但打开看结果，有点不对劲了。功能倒是齐全的，基本光照也有，但机身细节、部件关系和运动方式都相当粗糙。跑是能跑，但和 H145 直升机的关系约等于鸡仔饼与鸡仔的关系。一直有看爱范儿的读者应该熟悉，这正是昨天我们报道 Fable 5.1 时援引过的测试案例。怎么说呢？由奢入俭难啊……图｜X@@HarshithLucky3第二项测试是 3D 水流模拟，要求设置可替换的地形，来模拟降雨和地表径流在地形上的移动。同样是两分钟做出来，但这个火山口好像有点漏水……提示词：Build an interactive 3D water simulation in this empty repository.Generate a procedural mountain landscape from a deterministic seed. Water must flow downhill according to the local terrain gradient, collect in depressions, and form visible streams and lakes.Use TypeScript, Vite, and Three.js. Do not use a prebuilt physics engine or external 3D assets.这类结果的微妙之处在于，它在工程上确实不是完全失败。任务能结项，代码通常能运行，要求的功能也齐全，但显然离官方案例有着肉眼可见的距离。X 上的首批用户反馈也出现了类似分裂。一方面，3.8 Flash 的响应速度普遍得到认可；但与此同时，它在真实编程和生成任务中依然容易草率理解需求，迅速交出一个形式完整、但细节一塌糊涂的结果。图｜X@aipulseda1ly这未必就代表着 Google 伪造了跑分。更有可能，官方和用户测试已经是完全不同的使用方式。在魔法城堡的案例里，官方明确提到，它是由 3.8 Flash 在 Antigravity 中通过循环指令持续工作，并调用 Nano Banana 生成了场景纹理。换句话说，官方样例里模型通常有专门设计的 Agent 框架、工具环境和明确的多轮测试标准，而我们用的时候，通常只是给它一段一次性的自然语言指令。Google 展示的是 3.8 Flash 被整套技术栈托举之后的上限；我们接触到的，是模型单独工作时的下限。因此，3.8 Flash 有可能是个不错的 Agent 零件，但离单独撑起一套可靠的自主工作流还有距离。图｜X@adxtyahq | 看见球丝滑入墙的一瞬间谁绷得住呢？更值得注意的是，Google 声称 3.8 Flash 会更认真地推理、调用工具和检查结果，但实际体验很难感受到这种「勤奋」。哪怕将推理等级调到最高，它给人的感觉也不是深思熟虑规划后作答，而是快速堆出一个能交差的结果。Google 原本想证明，Flash 模型也能在部分场景干旗舰模型的重活，但至少现阶段，它的判断力、稳定性和完成度和旗舰模型相比还是有很明显的差距。模型之间，等级森严。Google 不争第一，反而可能赢得更多就在 3.8 Flash 发布前一天，Google AI Studio 负责人 Logan Kilpatrick 放出了一段与 Google DeepMind 新掌门人 Koray Kavukcuoglu 的访谈。Koray 在采访中承认，Google 当前的模型「略低于前沿」，但也相当直接地回应了外界关于 Google 已经放弃最强模型竞争的说法：除了站在前沿，没有别的事情对我们更重要。我百分之百确定，我们会回到前沿。但表态和现实是两回事。爱范儿此前获悉，Gemini 3.5 Pro 交付失败之后，Google 短期内不再押注 Fable、Opus 级别的超大规模模型，而是将更多资源转向成本更低、迭代更快的 Flash。当然，这不代表 Koray 说的是空话。Gemini 4 仍然承担着带领 Google 重返第一梯队的长期目标，但不在第一梯队，人也是要吃饭的——在那之前，Flash 要负责守住用户、产品、开发者和收入。不过，「前沿」有时是一种诅咒。OpenAI 即将推出的 Astra 已经达到了所谓「关键级」网络安全能力，可以在较少人工介入的情况下发现未知漏洞；研究者也担心，下一代模型可能逐渐采用越来越难观察内部推理过程的架构，让依靠思维链监控危险行为变得更困难。Anthropic 的 Fable 5.1 则展示了另一种代价——它的能力大幅领先，但社区反馈表示，长任务、子 Agent 和复杂工作流甚至会在两个简单问题后就吞噬掉 Max 订阅计划的五小时额度。当前沿模型继续前进，它们带来的还有更难控制的能力、更昂贵的推理过程，以及监管机构的巨大压力。从这个角度来看，3.5 Pro 的失败未必完全是坏事。转向 Flash 以后，Google 可以将数月一次的前沿模型豪赌，变成像普通软件一样持续更新。新的 Flash 模型可以迅速进入 Gemini App、AI Studio、Antigravity 乃至 Google 搜索，在真实使用中暴露问题，再以「周更」的节奏修修补补。图｜Android Police如果 3.5 Pro 没有失败，Google 未必会这么决绝地走上这条路。Gemini App 的月活跃用户已经超过 10 亿，成为 Google 历史上增长最快的产品；从去年五月至今，它增加了约 6 亿用户。可见，增长不需要最强的模型。大多数人不会让 AI 独自连续工作九个小时，也不会要求它发现零日漏洞。他们只是想搜索资料、修改照片、总结邮件、做心理咨询或者写一篇小说给自己看。这种时候

🎬小米发布会定档 9 月 7 日，与华为、苹果「撞档」⚡Google 发布 Gemini 3.8 Flash、推出网络安全专用模型💳微信灰度测试未读聊天汇总，聊天页增加红包与转账提醒✨李飞飞发布世界模型 Atlas，用统一模型生成、重建与模拟三维世界😯尊界 V800 挥手关门未触发，官方称当时车辆处于 D 档💻豆包工作支持多 Agents 并行，Mac 版新增操作电脑🍎Mac App Store 应用现可移除 Intel Mac 支持🏛️加州通过律师使用生成式 AI 法案，禁止将法律执业委托给 AI🖥️普华永道：全球数据中心到 2050 年或投入 31.6 万亿美元🧠网信办整治 AI 应用乱象，已清理 561 万余条信息💔星宇股份董事长再次致歉，大众已就批量解约应届生启动调查💡马斯克：AI 明年底可胜任所有数字工作🪄50.98 万元，新一代理想 MEGA 上市🎬ColorOS 17 定档 9 月 17 日，Find X10 系列首发📱vivo 创作者盛典定档 9 月 7 日，X500 系列将亮相🚗比亚迪海狮 08 上市，插混、纯电版售价 22.99 万～27.99 万元🔧Meta 发布 Muse Spark 1.3，工具调用与 Token 使用量双降✨马斯克称 Grok 4.7 将在 10 天后发布💾高通推出「高通版 DLSS」，下代骁龙加入 GPU AI 核心🪄华为海外发布 Watch 6 系列，Pro 版配备 3500 尼特屏幕🧰首款纯电揽胜发布，英国起售价约 15.41 万英镑小米发布会定档 9 月 7 日，与华为、苹果「撞档」小米官宣，将于 9 月 7 日 19:00 举行秋季旗舰新品发布会，澎程 N70 Pro、N70 Max 和 N90 Max 三款汽车将在当晚正式上市。同场发布的还有小米 18 Fold 折叠屏手机和小米平板 9 Pro Max。两款新品都将首发搭载小米自研的玄戒 O3 AI 旗舰处理器。值得注意的是，小米发布会与华为、Apple 的秋季活动排期高度集中。华为将在 9 月 7 日 14:30 举行 HarmonyOS 7、HUAWEI Mate XT 2 及全场景新品发布会，小米在当天 19:00 接档；Apple 特别活动则定于北京时间 9 月 10 日凌晨 1:00。三场活动从华为开场到 Apple 开场相隔约 58.5 小时。Google 发布 Gemini 3.8 Flash、推出网络安全专用模型Google 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。通用版面向软件工程、Agent 任务和多步推理，速度与价格保持在 Gemini 3.7 Flash 水平：每百万输入 Token 0.75 美元，每百万输出 Token 3.75 美元。Google 称，Gemini 3.8 Flash 在 HLE-Verified 测试中得分 54.9%，处理复杂任务时会主动增加推理步骤并反复调用工具；开发者也可降低推理强度，控制 Token 消耗。模型已接入 Gemini API、Google AI Studio、Android Studio 和 Gemini Enterprise，消费者可在 Gemini 应用、Google 搜索 AI Mode 与 Google Sheets 中使用。Gemini 3.8 Flash Cyber 面向漏洞发现和自动修复。Google 表示，该模型在覆盖 20 种编程语言的内部漏洞测试中成功率超过 70%，目前仅通过 Fairwind Program 向可信政府机构、关键基础设施运营者和软件维护者开放。🔗 相关阅读：刚刚，Gemini 3.8 Flash 来了，结果惨遭对手嘲讽微信灰度测试未读聊天汇总，聊天页增加红包与转账提醒微信官方介绍了两项消息查找功能。其中，用户在微信主界面长按左下角的「微信」标签，可以汇总查看当前所有存在未读消息的聊天，无需在会话列表中逐个寻找。该功能目前正在灰度测试。另一项功能会在聊天界面右上角显示「红包」或「转账」入口，用于快速找出会话中尚未领取的红包，以及未收款的转账。李飞飞发布世界模型 Atlas，用统一模型生成、重建与模拟三维世界李飞飞联合创办的 World Labs 发布世界模型 Atlas。该模型从头训练，在统一空间上下文中处理文本、图像、视频、相机位姿和三维深度图，架构上结合自回归、扩散和 Transformer。Atlas 能根据 1 至 6 张参考图像与手工设定的相机路径，生成最长 1 分钟、1440p 的视频。在三维重建中，它可从数张图像生成新视角，输出点云或 3D Gaussian Splat；对于机器人任务，则可把真实场景转为导航和操作训练所需的模拟环境。Atlas 目前仅向少数合作伙伴开放早期访问，未来还将用于 World Labs 的 Marble 后续版本及其他产品。🔗 相关阅读：李飞飞的 World Labs，把赛博朋克的「超梦」做出来了尊界 V800 挥手关门未触发，官方称当时车辆处于 D 档近日，尊界 S800 Grand Design 典藏大观与 V800 举行全国首批车主交付仪式。演员袁弘、张歆艺夫妇在体验尊界 V800 挥手关门功能时，连续几次做出关门手势，车门均未响应。尊界后续说明，手势关门需要车辆处于 P 档，且手势位于车内摄像头识别范围内。当时司机踩下刹车且车辆处于 D 档，因此功能没有启用。豆包工作支持多 Agents 并行，Mac 版新增操作电脑豆包工作于 9 月 2 日上线两项新能力。多 Agents 并行会由主 Agent 先拆解任务，再把垂直、专业的子任务分发给不同子 Agent 同时处理，最后由主 Agent 汇总结果。不同子 Agent 也可分别交付 Word、PPT 和 HTML 等不同形式的产物。Mac 版「操作电脑」功能可让豆包通过视觉理解执行本地 GUI 操作，在没有 MCP、API、插件或 CLI 的情况下识别界面并点击、输入。用户授权后，被操作应用会以小窗显示，人工接管时豆包会暂停操作。Mac App Store 应用现可移除 Intel Mac 支持Apple 向开发者确认，要求 macOS 13 或更高版本的通用 Mac App Store 应用，现在可以移除对 Intel Mac 的支持。此前，已经同时支持 Apple 芯片和 Intel 架构的应用，不能在 Mac App Store 中单独放弃 Intel 版本。应用移除 Intel 支持后，旧 Mac 将不再收到后续更新，但仍可使用最后一个兼容版本。Apple 表示，这可以简化开发，并缩小应用的下载和本机占用空间。Apple 正在结束 Mac 的 Intel 过渡期。macOS 27 将是最后一个支持 Rosetta 的版本；后续系统中，纯 Intel 应用将无法在 Apple 芯片 Mac 上运行，只有部分依赖 Intel 框架的旧游戏会获得例外支持。加州通过律师使用生成式 AI 法案，禁止将法律执业委托给 AI路透社报道，美国加利福尼亚州议会两院已通过 SB 574 法案，首次在州级层面为律师使用生成式 AI 设定专门规则。法案已送交州长 Gavin Newsom，等待签署或否决。法案规定，律师不得将法律执业「委托」给生成式 AI，仍需对工具的使用方式和输出内容承担专业责任。在向法院、客户或其他当事人引用法律依据时，律师必须核验引用是否真实、准确且未被断章取义。加州律师协会此前已起草相关执业规则修订，覆盖胜任能力、客户沟通、保密义务、对法庭的诚信义务，以及对非律师助手使用 AI 的监督。普华永道：全球数据中心到 2050 年或投入 31.6 万亿美元普华永道发布《2026—2050 全球数据中心展望》，基准情景预计，2026 年至 2050 年全球数据中心累计资本支出将达 31.6 万亿美元；如果 AI 普及快于预期，该数字可能接近 50 万亿美元。该模型由牛津经济研究院为普华永道构建，覆盖 46 个国家和地区。报告认为，需要每 4 至 6 年更换的服务器、GPU、存储和网络设备是这轮投资的主体。到 2050 年，ICT 设备预计将占数据中心总投资的 93%。电力供应是报告列出的首要约束。此外，芯片贸易、数据主权、连接能力和社区接受度也会决定投资最终落在哪些地区。网信办整治 AI 应用乱象，已清理 561 万余条信息中央网信办通报「清朗·整治 AI 应用乱象」专项行动第二阶段进展。截至目前，各平台累计清理违法违规信息 561 万余条，查处账号 4.9 万余个，处置违规网站和应用程序等 2400 余个。本轮整治重点包括：用 AI 制作虚假灾害与救援画面、「魔改」经典作品、生成暴力低俗内容，以及使用 AI 「托管」账号从事网络水军活动。通报列出的相关账号和应用已被处理。网信办表示，豆包、元宝、千问、文心一言等平台正加强原始语料审核、限制违规内容输出，并推动 AI 生成合成内容标识落地。多家手机应用商店也开始加强开发者准入和在架 App 抽检。星宇股份董事长再次致歉，大众已就批量解约应届生启动调查星宇股份董事长兼总经理周晓萍在 9 月 2 日的业绩说明会上，就公司与 107 名应届毕业生解除劳动合同再次致歉。她表示，公司已重新审视用工制度和流程，并正在政府部门指导下落实后续措施。另据第一财经，常州星宇车灯股份有限公司外包劳务时薪上调 1 元。多位招工中介介绍，此前星宇股份小时工的薪资是 22 元/时，现在上涨为 23 元/时，具体构成是 20 元/时加上 3 元留任奖。常州市人社局此前通报，星宇股份共招录 440 名 2026 届毕业生，后与其中 107 人解除合同，协商过程「方法简单生硬，缺乏充分有效沟通」。公司已对人力资源总监作出停职处理，并宣布向 107 人发放 3 个月求职生活补贴、组织专场招聘会。大众中国已就供应商相关投诉启动专项调查，并表示尊重劳动者权益是其供应链管理要求。截至 8 月 25 日，107 人中已有 22 人实现就业，14 人参加其他企业面试。Meta 将内部沟通从 Google Chat 转向 Slack，称后者更适合 AI AgentBusiness Insider 获得的一份内部备忘录显示，Meta 将把员工内部沟通工具从 Google Chat 迁移至 Slack。Meta 首席 AI 官 Alexandr Wang 在备忘录中表示，Slack 是目前最适合承载 AI Agents 的平台。Meta 看中的能力包括：面向 Agents 的对话界面、成熟的开发工具，以及丰富的第三方集成。Wang 称，即使并非所有员工都在开发 Agents，公司内部也能从更完整的 Agent 生态中受益。这笔迁移为 Slack 母公司 Salesforce 带来一名大型企业客户。Meta、Salesforce 均拒绝置评，Google 未回应置评请求。Oura 新增 4 名独立董事，为赴美 IPO 做准备据彭博社报道，智能戒指厂商 Oura 任命 4 名具上市公司经验的独立董事，成员曾在 Netflix、Robinhood 和 Deliveroo 等公司担任管理职务。Oura CEO Tom Hale 表示，新董事熟悉全球业务的建立与规模化过程。Oura 已于 5 月向美国证券交易委员会秘密提交 IPO 注册声明草案。彭博社称，公司计划最快在本月启动美国 IPO，募资额最高可能达到 30 亿美元。公司今年还发布了 Oura Ring 5，并预计付费会员数量在第二季度超过 500 万。新增董事进一步补齐了公开上市前的治理结构。Dell 上调全年业绩指引，AI 服务器订单积压继续扩大Dell 发布 2027 财年第二财季业绩：截至 7 月 31 日的三个月内，营收为 470 亿美元，同比增长 58%。AI 服务器是主要增量。该业务当季确认营收 164 亿美元，期末在手订单达 950 亿美元，公司称销售线索规模仍是在手订单的数倍。Dell

传祺的新能源方盒子也来了。昨天晚上，广汽传祺越 7 正式开启预售。新车一共有 4 款车型，预售价为 17.98-22.58 万元，叠加预售权益后，价格为 17.18-21.78 万元。具体来看，两驱 Pro 版和两驱 Max 版的预售权益价分别为 17.18 万元、18.78 万元；四驱 Max 版和四驱 Ultra 版分别为 20.78 万元、21.78 万元。传祺把越 7 定位为「全场景智享硬核 SUV」，简单理解就是，它并不只想服务硬核越野玩家，而是希望把方盒子的造型和通过性，与家庭用户更看重的空间、舒适、能耗和智能化放在一起。越 7 的长宽高分别为 5045/2004/1933mm，轴距 2900mm。根据备胎、轮眉和悬架配置不同，车身尺寸会有小幅变化。超过 5 米的车长和超过 2 米的车宽，让它在方盒子 SUV 中也属于体量较大的一类。设计上，越 7 采用「八方美学」设计语言，八边形元素出现在大灯、轮眉、车窗和车内按键等位置。前脸没有使用传祺常见的大面积镀铬格栅，而是配了一块带 GAC 字母标识的黑色面板，整体看上去更加简洁。新车提供塔漠辉砂、黑独墨影、贡嘎银峰和太白雪顶 4 种车身颜色，轮胎则有 18 英寸 HT 胎、18 英寸 AT 胎和 20 英寸 HT 胎三种组合，城市和户外取向都照顾到了。座舱内比较显眼的是一块 1.1 米全景贯穿式 P-HUD，配合 15.6 英寸中控屏，可以同时呈现导航、辅助驾驶和越野信息。智能化方面，传祺为越 7 准备了高通新推出的 8838 平台，后者的 NPU 算力达到了 64TOPS。在董车会此前的体验中，无论是语音还是触控，越 7 的车机都有着很高的流畅度。越 7 的辅助驾驶用的是广汽自家的 ADiGO GSD 3.0 系统，全车配有 27 个传感器，支持城市、高速和非铺装道路的导航辅助驾驶。另外，四驱 Ultra 版还会配备规格更高的 192 线激光雷达。不过相比屏幕和芯片，越 7 更有辨识度的卖点还是空间和舒适性。它的座舱得房率达到 81%，后排配备 170mm 电动滑轨，最大纵向空间超过一米。前后排座椅经过组合后，可以一键形成一张 1.9 米长的纯平大床。舒适性配置自然也是比较到位的，高配车型提供前排通风、加热和按摩、20 扬声器音响、5.7L 冷暖箱、双层隔音玻璃，以及闭式双腔空气悬架和 SDC 连续可变阻尼减振器。空气悬架除了可以根据路况调节高度和软硬，还支持一键调平。平时能够改善大尺寸方盒子的行驶舒适性，停车露营时也能派上用场。动力上，越 7 全系采用广汽的星源插混系统，由 1.5T 混动专用发动机、GMC 3.0 混动变速器和 P4 后电驱组成。发动机最大功率 125kW，四驱车型综合最大功率达到 550kW，零百加速最快 4.2 秒。座舱下方是一块宁德时代的 46kWh 电池，CLTC 纯电续航最高 261km，电量从 30% 充至 80% 只需要 15 分钟。如果算上油箱，越 7 的续航可以达到 1352km，WLTC 馈电油耗为 6.21L/100km。提供了舒适体验的同时，越 7 也为越野这件事下了一些功夫，它的接近角和离去角分别为 30 度、33 度，常规离地间隙为 230mm，空气悬架升到最高后可以达到夸张的 310mm，最大涉水深度为 780mm。越 7 的四驱版本提供前后机械差速锁和一把「能量中锁」，也就是官方所说的「两硬一软三把锁」。在这些配置的加持下，越 7 支持低速越野蠕行、虎式掉头、涉水感应，还拥有包含沙地、泥地、雪地和崎岖路面在内的 9+X 全地形模式。换句话说，越 7 并不只是长了一副方盒子的样子。此外，越 7 原厂预留了 37 处拓展接口、38 个车内储物位置和双 220V 电源接口，后续还会提供车顶帐篷、行李架等原厂改装件。显然，传祺也希望借这款车进入户外改装市场。对于以 MPV 舒适性见长的传祺来说，越 7 也承担着在 MPV 之外建立新标签的任务。目前收获的 1.5 万份订单，说明它至少已经拿到了第一波市场关注。

GPT-6 Astra，猝不及防地降临。就在刚刚，OpenAI 官方定调称，这是「全球最智能、最符合人类意图的模型」。OpenAI 表示，Astra 集合了多年在预训练、强化学习和模型对齐领域的研究成果，在计算机操作、网页浏览、软件工程、网络安全、科学研究以及专业工作等多个方向达到新的能力水平。相比以聊天、写作和问答为主的前代模型，Astra 更像一个能直接干活的 AI Agent：它可以调用工具、操作软件、浏览网页，独立完成复杂任务。这一次发布，也成为 OpenAI 近年来规模最大的一次模型升级。据 OpenAI 研究负责人 Aidan Clark 介绍，Astra 是 OpenAI 迄今规模最大的训练项目之一，也是首次在训练过程中大量使用此前模型参与监督的新一代模型。该模型首次在美国 Stargate 德州基地使用超过 10 万张 GPU 进行预训练。OpenAI 总裁 Greg Brockman 更是直接开麦：几年后回头看，今天就是 AGI 时代的起点。GPT-6 Astra 登场，要让 AI 接管软件GPT-6 Astra 最大的变化，是 Computer Use 能力。过去的大模型虽然可以生成代码、总结资料、回答问题，但真正进入现实软件环境执行任务时，仍然存在明显限制。浏览网页、填写表格、操作办公软件、处理复杂流程，这些任务需要大量人工介入。Astra 试图改变这一点。OpenAI 称，Astra 是目前最强的计算机操作模型，可以完成填写在线表单、更新 CRM 数据、整理日程、进行网络研究，并在邮件和文档编辑器中生成内容。它还可以分析科学数据、生成图表、创建网站，并自动运行前端质量测试。在官方演示中，Astra 展示了多个接近真实工作的创意场景。它可以使用 KiCad 完成 PCB 设计，将电子原理图转换成可以制造的电路板布局；可以操作 Excel、Power BI 等办公工具；可以使用 Blender 创建三维模型，并进一步转换为 Unreal Engine 5 中可交互浏览的空间。除此之外，我们还能让 Astra 从设计图开始搭建完整房屋模型，模型先在 Blender 中完成 3D 建模，再自动导入 Unreal Engine 5，生成可以自由探索的交互场景。甚至另一位用户还能通过 MCP 连接 Ableton，让 Astra 从零制作完整音乐，包括音色设计、乐器编排和混音流程。基准测试结果也显示，Astra 的 Computer Use 能力明显提升。在 OSWorld 2.0 测试中，GPT-6 Astra 得分达到 72.6%，高于 GPT-5.6 Sol 的 65.7%。而在 Agents’ Last Exam 测试中，Astra 得分达到 59.3%，高于 Claude Opus 5 的 55.5% 和 GPT-5.6 Sol 的 53.6%。此外，OpenAI 还同步升级了 Codex harness。过去，AI 编程 Agent 最大的问题之一，是长时间任务容易丢失上下文。一个持续数小时的大型开发任务中，模型可能忘记此前为什么修改某段代码，或者遗漏用户早期提出的限制条件。Astra 引入了新的上下文管理方式。OpenAI 表示，Codex 不再单纯依靠压缩总结保存历史，而是可以跨上下文窗口保存笔记，并搜索此前消息和工具输出，从而找到之前的需求、测试结果以及修改记录。同时，Astra 可以在等待用户回复时继续推进不依赖该信息的任务。如果问题会影响最终结果，模型会等待用户确认；如果影响较小，则会根据合理假设继续执行。简言之，过去，人们更关注模型能否给出准确回答；接下来，真正拉开差距的，将是它能否独立完成一项完整工作。代码、数学和科学，成为 GPT-6 Astra 的新战场OpenAI 希望 Astra 不只是一个效率工具，而是进入企业核心工作流程。其中，软件工程是竞争最激烈的领域之一。OpenAI 将 Astra 称为目前最强的软件工程模型。在考察终端环境测试的 Terminal-Bench 4.0 中，Astra 得分达到 57.7%，明显高于 GPT-5.6 Sol 的 37.3%，同时每个任务的预计 API 成本低于 Sol 和 Claude Fable 5.1。在 DeepSWE v1.1 测试中，Astra 得分达到 74.1%。OpenAI 更强调的是，Astra 在复杂真实开发环境中的表现。合作伙伴 Jane Street 表示，Astra 在 Agent 编程场景下，更容易被开发者理解，同时生成代码需要更少迭代才能达到生产质量。▲ARC-AGI-3 的得分达到 99.9%AI 创作者 Pietro Schirano 则展示了 Astra 根据图片生成 3D 模型和动画，并通过一句目标指令创建完整水下探索游戏的过程，其中包含 3D 元素、声音以及可交互玩法。另一位用户 Chris 表示，Astra 在 Unity 环境中的表现相比此前版本提升明显，能够直接利用现有资源组装城市场景，生成更接近真实游戏开发流程的内容。科学研究则是 Astra 展示能力的另一个重点。OpenAI 表示，Astra 在 FrontierMath Tier 4 测试中取得 97.6% 成绩，在 GPQA Diamond 科学推理测试中达到 96.0%。这款新模型还参与了数学研究。OpenAI 表示，Astra 帮助推进了素数间隔问题研究，其中一项结果将无限多个素数对之间的已知距离上限进一步缩小。在实际科研流程中，Astra 不只是回答科学问题，而是可以直接进入专业软件环境分析数据。例如，它可以检查基因测序质量、分析遗传变化，并帮助研究人员判断下一步研究方向。不过，Astra 最受关注的能力，也带来了最大的安全争议。OpenAI 表示，Astra 已达到其 Preparedness Framework 中的「关键网络安全能力阈值」。在 ExploitBench 测试中，Astra 获得 100% 成绩，高于 GPT-5.6 Sol 的 78.5%；在 ExploitGym 测试中，Astra 成功率达到 42.4%，高于 Sol 的 30.3%。进一步测试显示，Astra 在近期漏洞测试中发现并利用了两个此前未知的 zero-day 漏洞，OpenAI 表示已经向相关维护方披露。同一个模型，既可以帮助企业发现漏洞、修复代码，也可能被用于攻击系统。因此 OpenAI 对 Astra 的开放采取了更严格的分级策略。普通用户版本会拒绝部分高级网络安全请求，而经过审核的安全团队可以通过 Daybreak 项目获得更开放的访问权限。人类与 AI 的大分工时代GPT-6 Astra 发布后，AGI 再次成为行业讨论中心。OpenAI 并没有正式宣布已经实现 AGI，但 Greg Brockman 的表态明显更加积极。他认为，未来的人们可能会把 Astra 看作 AGI 时代的重要起点，同时表示 AGI 更像一个「使命概念」，而不是一个可以被简单定义的技术指标。「如果几年后回头看，什么时候真正创造了 AGI，我认为可能就是现在，可能就是这个模型。」Brockman 如此表示。而在此次 Astra 发布的过程中，OpenAI 也特别强调「对齐」。OpenAI 表示，Astra 是目前最符合人类意图的模型。在一项测试模型是否会突破任务边界的评估中，GPT-5.6 Sol 在没有生产防护措施时越过授权范围的比例为 48%，而 Astra 为 0%。这一变化与此前 AI 安全事件密切相关。此前 OpenAI 测试中的 AI Agent 曾出现突破限制环境，并攻击 Hugging Face 相关系统的事件，引发行业对于 AI 自主行为边界的担忧。Astra 发布时，OpenAI 试图证明它已经建立了更完善的安全机制。但另一面的问题是，OpenAI 承认，测试显示 Astra 的文字推理过程相比 GPT-5.6 Sol 更难监控。究其原因，Astra 能够使用更少的文字步骤完成复杂任务。商业化方面，Astra 也进入更高价格区间。GPT-6 Astra 将首先向 OpenAI Daybreak 项目的部分企业用户开放，随后向 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，并通过 OpenAI API 和 AWS 提供服务。API 定价为输入每百万 token 10 美元，输出每百万 token 50 美元，缓存读取和写入另有计费规则。同时，OpenAI 还提供 Fast Mode，可以将处理速度提升至标准模式的 2.5 倍，但价格也会上升至标准模式的两倍。相比 GPT-5.6 Sol，Astra 的价格有了明显提升。不过，OpenAI 认为，未来企业不会只关注 token 单价，而会关注完成一次任务需要付出的总成本。Greg Brockman 更是表示，AI 行业最终需要从「token 定价」转向「任务成本」衡量。虽然 OpenAI 说 GPT-6 Astra 接近开启了 AGI 时代。但真正值得关注的，或许不是 AGI 这个标签，而是我们已经清晰地看到 AI 开始接近一种新的存在形态：它不再等待人类拆解任务，而是开始理解目标、制定路径，并主动完成工作。蒸汽机改变工业时代时，人们看到的是一台机器；互联网改变世界时，人们看到的是一张网络。只有多年以后，人们才意识到，它们改变的其实是整个社会运行方式。从这个角度看，Astra 的意义并不只是一次模型升级。当 AI 开始进入办公室、实验室和代码库，人类与机器的关系，也将迎来一次重新分工，届时我们也将需要重新思考自己的价值所在。