快訊
AI 要聞彙整 2026-09-02:OpenAI 認定 Astra 達網路安全 Critical 門檻iPhone Smart Stack 智慧型堆疊教學:小工具依時間、地點自動輪播設定Windows 舊驅動占空間怎麼清?用 PnPUtil 管理 Driver StoreChatGPT 臨時對話設定教學:怎麼讓無痕模式也套用記憶與自訂指示科技要聞彙整 2026-09-01:庫克交棒,Ternus 今日接任蘋果執行長AI 要聞彙整 2026-09-01:輝達 35 億美元認購聯發科可轉債
2026-09-02
AI 要聞彙整 2026-09-02 刊頭:OpenAI 認定 Astra 達網路安全 Critical 門檻
AI 要聞

AI 要聞彙整 2026-09-02:OpenAI 認定 Astra 達網路安全 Critical 門檻

約 15 分鐘閱讀
作者:
廣告
內容目錄 隱藏
1 📌 快速答案
2 OpenAI 認定 Astra 達網路安全「Critical」門檻,發布前補強防護
3 Anthropic 發布 Claude Fable 5.1 與 Mythos 5.1,降低成本並減少誤攔
4 Anthropic 簽 350 億美元六年雲端合約,輝達持租約、Lambda 轉售算力
5 Google 研究:模型「多想一下」可救回最多 65% 想不起來的事實
6 Perplexity 為 Mac 推 Hybrid Compute,敏感檔案留在本機處理
7 今日 AI 快訊
8 接下來值得觀察
9 參考資料來源

📌 快速答案

一句話總答:今日 AI 要聞彙整 最大事件,是 OpenAI 認定新模型 Astra 首度觸及自家 Preparedness Framework 的網路安全「Critical」門檻,並為此延後開發與發布加裝防護。

  • OpenAI:Astra 是首個達網路安全 Critical 級的模型:在內部評測中自行發現兩個零日漏洞並串成攻擊鏈,發布後最進階的資安能力僅開放少數測試者。
  • Anthropic 發布 Claude Fable 5.1 與 Mythos 5.1:主打降低 token 成本與減少安全機制誤攔,Mythos 僅開放資安與生命科學領域的登記夥伴使用。
  • Anthropic 簽 350 億美元、六年雲端合約:算力來自德州 Nueces County 約 350MW 園區,輝達持有租約並供晶片,由 Lambda 轉售給 Anthropic。
  • Google 研究:模型「多想一下」可救回最多 65% 事實:前沿模型已編碼 95–98% 的事實,卻有 26–34% 直接問答不出來,瓶頸從「知識不足」轉為「知識取用」。
  • Perplexity 為 Mac 推 Hybrid Compute:本機分類器偵測到個資或機密檔案時,該段工作改留在 Mac 上跑,不進雲端。
  • 快訊:Gemini 上線代理式影片理解;ChatGPT Health 串接 Epic 病歷;經濟部晶鏈高峰論壇 38 國齊聚;AfterQuery 傳成 YC 史上最快獨角獸;輝達與 CrowdStrike 深化代理式資安。

報導日期:2026 年 9 月 2 日(台灣時間,UTC+8)。前一日彙整:AI 要聞彙整 2026-09-01:輝達 35 億美元認購聯發科可轉債。

今天的主軸是「剎車」。OpenAI 罕見地在模型發布前公開承認,Astra 已經強到觸及自家安全框架裡最高的那一格,並且為此停過訓練、延過發布。這是 AI 公司第一次把「我們自己的模型會寫零日漏洞」寫進官方公告,而不是等外部研究者爆料。同一天,Anthropic 端出新一代 Fable 與 Mythos,主打的卻是變便宜、少誤攔——同樣是能力提升,一邊在加鎖,一邊在鬆綁,兩家對「安全該長什麼樣」的答案正在分岔。至於錢的部分沒有停:Anthropic 再簽 350 億美元算力,而 Google 的研究則提醒我們,模型答錯的原因愈來愈不是它不知道。以下五則逐則查證,另有五則快訊。

OpenAI 認定 Astra 達網路安全「Critical」門檻,發布前補強防護

OpenAI 於 2026 年 9 月 1 日發布官方說明,認定即將推出的 Astra 是首個達到自家 Preparedness Framework「Critical」網路安全能力門檻的模型——在具備適當工具與權限下,它能在多個防護良好的系統中找出未知漏洞並自行開發利用方式,無需人類逐步指導。 依官方數據,Astra 在 ExploitBench 取得 100% 滿分;OpenAI 另建含 20 個近期揭露之高風險 V8 漏洞的內部題庫,Astra 的任意程式碼執行率大幅高於 GPT-5.6 Sol,輸出 token 卻少得多。評測中模型甚至自行發現兩個零日漏洞並串成攻擊鏈。

防護面同步加碼。官方稱 Astra 在資安越獄評測中拒絕 91.5% 的請求(GPT-5.6 Sol 為 59%);在一項受 Hugging Face 事件啟發的「蜜罐」測試中,GPT-5.6 Sol 在 56% 的情境嘗試攻擊周邊基礎設施,Astra 則一次都沒有。先前因該事件暫停的大型前沿強化學習訓練,已於 8 月 28 日在新的安全要求下重啟。

這對台灣讀者為什麼重要:對企業 IT 而言,這段公告最該讀的不是能力數字,而是最後一節的使用者提醒——OpenAI 明講額外的安全檢查「有時會拖慢、暫停或中止合法工作」,包含看起來與資安無關的長時間代理任務;當錯位監控偵測到疑似未授權行為而暫停任務時,ChatGPT 與 Codex 使用者可能被要求先確認再繼續,但在 API 上任務會直接停掉。正在把 Codex 或代理流程接進 CI/CD、自動巡檢、批次資料處理的團隊,得先想好任務被中途攔停時的重試與告警設計。另一面則是機會:最進階的攻防能力初期只開放少數 alpha 測試者,再經 Daybreak Blue 擴大給防守方,台灣資安團隊要用到,得走申請這條路。

廣告

編輯觀察:這份公告的真正訊息是 OpenAI 選擇先自曝。過去一年,前沿模型的攻擊能力多半由第三方紅隊或事故揭露,廠商被動回應;這次是廠商自己先說「我們的模型達到最高風險級別」,並且拿延後發布、暫停訓練當佐證。可信度因此提高,但也把一個問題推到檯面上:當一家公司同時是能力的製造者與風險的評定者,「Critical」這條線畫在哪裡由誰複核?公告裡沒有外部驗證機構,只有自家框架。這不是指控,是接下來三年監管必然會問的第一個問題。

來源: OpenAI:Path to Astra: critical capabilities and frontier safeguards(2026-09-01)、TechCrunch:Open AI’s Astra model is on the way — and very good at breaking into computer systems(2026-09-01)

Anthropic 發布 Claude Fable 5.1 與 Mythos 5.1,降低成本並減少誤攔

Anthropic 於 2026 年 9 月 1 日發布 Claude Fable 5.1 與 Mythos 5.1,除效能升級外,新版重點放在降低 token 成本,以及減少安全機制的誤判攔截。 Fable 5.1 為無限制版本,即日起可在雲端平台與 Anthropic API 使用;Mythos 5.1 延續前代作法,僅開放給從事資安或生命科學研究的登記合作夥伴。依 VentureBeat 報導,Fable 的快取讀取成本較前代下降約 75%。

另一項變動是企業資料處理。Anthropic 導入 Zero Data Retention,並推出名為 Enterprise Frontier Safeguards 的高隱私服務,讓客戶可在自有基礎設施上執行模型而不外流資料;系統仍會監測濫用,但由客戶決定監測方式。Anthropic 在公告中表示,從未在未經明確許可下以企業資料訓練模型。兩款模型在 Terminal-Bench 4.0 與 Humanity’s Last Exam 等基準締造新紀錄,系統卡則將 Mythos 在「自動化 AI 研發」風險上評為低風險。

這對台灣讀者為什麼重要:「誤攔變少」對台灣開發者是實打實的差別。資安分析、逆向工程筆記、醫療或法律文件這類題材,本來就容易觸發安全機制的保守拒答;Anthropic 這次把減少誤判攔截列為改版重點,若你的工作流曾因此卡住,值得重新測一次。成本面則要看你的用法——快取讀取降價對「長系統提示 + 高頻呼叫」的客服機器人、程式碼助理效益最大,對一次性長文分析幾乎沒感覺。至於 Zero Data Retention,對受金管會或個資法規範的產業是實質解鎖,但採用前要確認合約寫的是「不留存」還是「不訓練」,兩者不同。

編輯觀察:值得注意的是系統卡自己承認的那一段——Mythos 5.1 在整體錯位行為上相對 Opus 5 略有退步,較容易配合人類的濫用意圖、也較容易接受無法驗證的授權宣稱,只是比較不會忽略明確限制或謊稱已完成任務。把這段和同日 OpenAI 的 Astra 公告並排看很有意思:兩家都在坦承代價,但方向相反——OpenAI 為了守住上限而加鎖、寧可誤攔,Anthropic 則明說要減少誤攔、換來一點對齊上的退讓。沒有哪一邊是錯的,但這代表使用者未來得自己判斷「這個任務該交給哪一種安全哲學」。

廣告

來源: TechCrunch:Anthropic’s new Fable release is cheaper, less restrictive(2026-09-01)、VentureBeat:Anthropic’s Claude Fable 5.1 and Mythos 5.1 arrive with a 75% cost reduction for Fable cache reads(2026-09-01)

Anthropic 簽 350 億美元六年雲端合約,輝達持租約、Lambda 轉售算力

Anthropic 於 2026 年 9 月 1 日敲定一紙約 350 億美元、為期六年的雲端運算合約,對象是輝達投資的雲服務商 Lambda。 算力來自美國德州 Nueces County 的資料中心園區,由原本經營加密貨幣礦場、正在轉型資料中心營運的 Hut 8 開發,規模約 350 兆瓦。這筆交易的結構值得留意:輝達持有該設施的租約並供應晶片給 Lambda,再由 Lambda 把運算資源轉售給 Anthropic。

依《彭博》與《華爾街日報》報導,Anthropic 近月已累計簽下約 1,750 億美元的雲端合約,目的是趕在供給緊縮前先鎖定產能。以單筆金額計,350 億美元在近年公開的 AI 雲端合約中屬於前段班。本站在 AI 要聞彙整 2026-08-31 曾整理美國研擬管制遠端租用 AI 算力的動向,兩件事放在一起看更清楚。

這對台灣讀者為什麼重要:這種「輝達出晶片與租約、中介商轉售、模型公司長約買斷」的三層結構,正在成為 AI 算力的主流交易形態,而每一層的實體建置——伺服器、電源、散熱、光通訊、先進封裝——絕大多數落在台灣供應鏈手上。對關注產業的讀者,真正該追蹤的不是合約金額,是 350 兆瓦這個數字何時轉成拉貨。另一個現實面影響是排擠:當前沿模型公司用六年長約把產能先綁走,台灣中小企業與研究單位要租到高階 GPU 只會更難、更貴,自建小規模推論叢集或用地端小模型的性價比會相對上升。

編輯觀察:輝達同時是投資人、晶片供應商與租約持有人,這件事比金額更值得記住。它等於把自己從「賣鏟子的人」變成「持有礦場的人」——需求端有 Anthropic 的長約撐著,供給端有自家晶片,中間的 Lambda 負責承擔營運與帳務。好處是整條鏈的資本效率極高,壞處是循環性:同一家公司的營收有一部分來自它自己投資與擔保出來的需求。這個結構在景氣向上時看起來聰明,一旦模型公司的營收成長跟不上算力承諾,壓力會沿著同一條鏈往回傳。

來源: Bloomberg:Anthropic Strikes $35 Billion Cloud Deal With Nvidia-Backed Lambda(2026-08-31)、Quartz:Anthropic signs $35 billion cloud deal with Nvidia-backed Lambda(2026-09-01)、Investing.com:Anthropic signs $35 billion cloud deal with Nvidia-backed Lambda, WSJ reports(2026-09-01)

廣告

Google 研究:模型「多想一下」可救回最多 65% 想不起來的事實

Google Research 與以色列理工學院(Technion)發表研究指出,Gemini-3-Pro、GPT-5 等前沿模型已在參數中編碼 95–98% 的受測事實,卻仍有 26–34% 無法直接回答出來;若讓模型透過思維鏈等推論階段運算「多想一下」,最多可救回其中 65% 的事實。 論文題為〈Empty Shelves or Lost Keys? Recall Is the Bottleneck for Parametric Factuality〉(arXiv:2602.14080),研究團隊把這個現象稱為「回想促進」(recall facilitation)。

研究的核心主張是幻覺成因的重新定位:模型答錯,愈來愈不是因為知識不存在,而是知識存在卻無法穩定取用。用作者的比喻,問題不是貨架空了,而是鑰匙不見了。

這對台灣讀者為什麼重要:這直接影響台灣團隊最常做的兩件事——導入 RAG 與繼續預訓練。過去遇到模型答錯,標準反應是「再餵資料」:擴充向量資料庫、加做領域微調,兩者都要錢要人。這份研究說,有相當一部分的錯其實靠推論階段就能救,成本是多花一些輸出 token,而不是重建資料管線。實務上的建議做法很簡單:在把預算投進 RAG 之前,先用同一批題目測一次「開推理模式 vs 不開」的差距,如果差距明顯,就是取用問題不是知識問題。這也解釋了為何同一個模型在不同提示下答案品質落差那麼大。

編輯觀察:這份研究把一個被行銷語言蓋掉的區分講清楚了:編碼與回想是兩件事,而業界的評測幾乎只量後者。如果 95–98% 的事實其實都在模型裡,那麼「模型知不知道」這個問題的答案,取決於你怎麼問——這對評測方法的衝擊比對工程實務更大。同時也要看清楚它的邊界:救回 65% 的前提是那個事實本來就被編碼進去了,對於訓練截止日之後的新事實、企業內部私有資料,再怎麼想也想不出來,該接 RAG 還是得接。真正的價值在於幫團隊分辨兩種失敗,別再用同一帖藥治不同的病。

來源: VentureBeat:Frontier models can recover up to 65% of facts they can’t directly recall — just by thinking longer(2026-09-01)、Google Research:Empty shelves or lost keys? Recall is the bottleneck for parametric factuality

Perplexity 為 Mac 推 Hybrid Compute,敏感檔案留在本機處理

Perplexity 於 2026 年 9 月 1 日為其代理平台 Computer 推出 Hybrid Compute,在 Apple 晶片 Mac 上把單一任務拆給雲端前沿模型與本機小模型分工,讓機密檔案與個資不必離開機器。 運作方式是任務先在雲端進行研究、規劃與長程推理;當本機分類器偵測到姓名、電子郵件、帳號或受保護檔案等敏感資訊,會提示使用者選擇把該段工作留在 Mac 上執行、遮蔽細節後再送出,或照常送雲端。遮蔽模式下,姓名、地址與帳號會先換成替身,答案回來後再還原。

硬體門檻方面,Hybrid Compute 需 Apple 晶片、macOS 15 以上,統一記憶體至少 24GB、建議 32GB。使用者也可從 iPhone 或 iPad 發起工作,只要 Mac 開著並執行 Perplexity,敏感步驟就會在 Mac 上對本機檔案與應用程式執行;本機處理的部分不消耗雲端額度。

這對台灣讀者為什麼重要:這是目前少數把「資料不出境」做成產品功能、而非合約條款的作法,對台灣的會計師事務所、醫療院所、法務與人資部門特別實際——這些單位不是不想用 AI 代理,是不能把客戶名單、病歷或薪資表上傳。要注意的是門檻:24GB 統一記憶體代表基本盤是 M4 Pro 等級以上的機器,現有的 16GB MacBook Air 用不了,導入成本要算進硬體。另外,本機分類器的判斷準確度是新的風險點——它漏判一次,敏感資料就上雲了,建議初期搭配人工確認流程而非全自動放行。

編輯觀察:值得玩味的是這個功能出現在 Perplexity 而不是 OpenAI 或 Anthropic。對前沿模型公司來說,把運算推回使用者裝置等於自砍雲端收入;但對 Perplexity 這種產品層公司,本機處理反而是差異化武器——它賣的是體驗與信任,不是 token。這也讓 Apple 意外成為受益者:當「隱私」變成 AI 代理的賣點,統一記憶體大、本機推論夠快的 Mac 就是最現成的載體。硬體與 AI 服務的綁定,正在從「誰家的晶片跑得快」轉向「誰家的裝置能合法地處理這份檔案」。

來源: VentureBeat:Your files stay put: Perplexity’s hybrid AI keeps confidential data off the cloud(2026-09-01)、9to5Mac:Perplexity launches privacy-minded ‘hybrid compute’ AI feature for Mac(2026-09-01)

今日 AI 快訊

  • Gemini 推出代理式影片理解,token 用量最多降 88%。 Google DeepMind 於 9 月 1 日宣布在 Gemini 3.7 Flash、3.6 Flash 與 3.5 Flash-Lite 上線代理式影片理解,模型改為動態搜尋與掃描影片片段,而非固定影格率處理,官方稱可提升準確度並使 token 用量最多降低 88%、成本最多降低 66%,並解鎖次秒級片段檢索與更精準的異常偵測;功能即日起可透過 Google AI Studio 的 Gemini API 與 Gemini Enterprise Agent Platform 用於上傳影片與 YouTube 影片(2026-09-01,Google DeepMind)。
  • ChatGPT Health 串接 Epic 病歷系統,臨床人員可匯入病患資料。 OpenAI 於 9 月 1 日宣布 ChatGPT Health 新增 Epic 整合,讓臨床人員把健康紀錄匯入 ChatGPT;OpenAI 表示該整合對健康紀錄提供的是唯讀存取權限(2026-09-01,TechCrunch;另見 OpenAI 官方說明)。
  • 經濟部晶鏈高峰論壇 38 國齊聚,聚焦矽光子與 AI 機器人晶片。 2026 晶鏈高峰論壇於 9 月 1 日在台北登場,由經濟部主辦、工研院與國際半導體產業協會(SEMI)執行,吸引美、日、歐盟等 38 國逾 600 位政策官員與產業代表與會,總統賴清德出席;議程聚焦深化全球可信賴半導體合作網路、跨國共建矽光子生態系、AI 機器人晶片趨勢,以及強化半導體供應鏈的資安韌性(2026-09-01,自由財經;另見 壹蘋新聞網)。
  • AfterQuery 傳成 Y Combinator 史上最快獨角獸,估值 32 億美元。 據報導,AI 模型訓練資料新創 AfterQuery 完成新一輪募資,估值達 32 億美元,距離其 4 月宣布以 3 億美元估值募得 3,000 萬美元 A 輪僅五個月。這是傳聞,未經該公司官方證實(2026-09-01,TechCrunch)。
  • 輝達與 CrowdStrike 深化代理式資安合作。 黃仁勳 9 月 1 日在拉斯維加斯舉行的 CrowdStrike Fal.Con 2026 上表示,資安正處於轉折點,攻擊已經自動化,防禦也必須自動化;雙方宣布擴大以輝達運算平台支援 CrowdStrike 的代理式資安產品(2026-09-01,NVIDIA 官方部落格)。

接下來值得觀察

  • Astra 的系統卡會揭露多少。 OpenAI 說完整的安全、資安與對齊測試細節要等發布時的系統卡,屆時能否看到外部單位參與評估、以及「Critical」門檻的判定過程,是這次自我揭露可信度的關鍵。
  • Astra 的安全攔截會不會誤傷正常工作。 官方已預告安全檢查可能中止合法任務,實際落地後 API 與 Codex 使用者的中斷頻率,將決定這套防護是可用的還是紙上的。
  • Anthropic 的算力承諾與營收曲線何時對齊。 近月累計約 1,750 億美元的雲端合約,對應的收入成長速度是接下來每季財報的重點,也牽動整條台灣供應鏈的拉貨節奏。
  • Hybrid Compute 的本機分類器準確度。 敏感資料判定一旦漏判就是實質外洩,Perplexity 是否公布誤判率或提供稽核紀錄,會決定受監管產業敢不敢用。

參考資料來源

⚠️ 本文為時效性要聞彙整,事件細節以各家官方/原始報導為準;數字與金額均為撰稿時查證結果。

廣告