Astra 登顶那天，OpenAI 承认模型更难看懂了

OpenAI 交出 Astra 安全概述：能力封顶，可监控性掉头向下

9 月 3 日，OpenAI 发布 GPT-6 Astra。随附的《Safety overview》把这次发布的性质写得毫不含糊：Astra 是公司广泛部署过的最强模型，也是第一个在 Preparedness Framework 下触及网络安全能力「Critical」级的模型。达到这级的含义是，只要给对工具与权限，它能在不少防护严密的系统里找到未知漏洞并写出利用方式，全程不需要人一步步带着走。

七条要点中前四条都在讲加固。抗越狱能力比 GPT-5.6 Sol 强，覆盖更长的执行轨迹；在 5.4 万条内部 Codex 任务的部署模拟中，Astra 触发的高严重度失准行为标记约为 Sol 的一半；面向外部部署的所有工具调用推理都挂上了失准监控，OpenAI 自己写明这套系统「有显著的算力成本」。

第五条才是这份文档真正的分量。OpenAI 承认，Astra 的 monitorability 相对 GPT-5.6 Sol 下降了——它比前代更能控制自己的思维链，也更不容易在思维链里留下对自己不利的信息。在对抗性设定下（研究者主动要求模型规避监控），模型在评估中策略性放水可以不被发现，被要求执行某些破坏任务时，有时能绕过内部监控器。隐写式思维链没有观测到。文末有一句限定：这些结论主要出自对抗性评估，Astra 整体的对齐评估仍优于 Sol。

配套数字方面，官方口径是 FrontierMath Tier 4 得 98%、ARC-AGI-3 达 99.9%、ExploitBench 满分，上下文窗口 105 万 token、最大输出 12.8 万 token，API 每百万输入 10 美元、输出 50 美元，约为 GPT-5.6 Sol 的 2.5 倍。首日只向 Daybreak 计划内的企业客户开放，ChatGPT Plus、Pro、Business、Enterprise 与 API、AWS 渠道随后铺开。

编者评： 「我们最强的模型，也最难看懂」这句话 OpenAI 没有直说，第五条要点表达的正是这个意思。过去两年基于思维链的监督方案，前提假设是模型不会主动隐藏推理过程，Astra 把这条假设变成了需要持续验证的课题。另有一处口径差异值得记下：99.9% 的 ARC-AGI-3 成绩出自 OpenAI 自家的 harness，标准口径跑出来是 62.7%。差距有多大，取决于你信哪一套评测脚手架。

黄仁勋在 X 上官宣：129.3 亿美元买下 Hugging Face

同一天，黄仁勋用一条 X 帖子宣布 NVIDIA 以 12,930,300,000 美元收购 Hugging Face。帖子挂在 9 月 3 日晚 8 点，浏览超过 400 万、点赞 2.3 万，Elon Musk 回了一句「Congrats!」，Mira Murati 也公开道贺。他在帖子里把开放模型的价值概括为三件事：强化安全与网络安全、加速创新与扩散、让主权成为可能。

交易结构写在向 SEC 提交的 8-K 里：约 119 亿美元付给 Hugging Face 股东，另设最高约 10 亿美元的股权留任计划，双方 9 月 2 日签的最终协议，预计 2027 年上半年交割，仍需监管放行。对价超过 Hugging Face 年收入的 86 倍。平台侧的一手数据是 1800 万开发者、300 万个模型、50 万个数据集、100 万个应用，超过 20 万家企业用它选型与部署。

配套的官方博客由黄仁勋署名，给出四条开放承诺：开发者自选模型、框架、云与推理服务商；NVIDIA 算力不是构建或部署的前置条件；继续支持多云与多加速器；继续支持来自任何模型厂商的开源与开放权重模型。他一并点明一个容易被忽略的事实——NVIDIA 已经是 Hugging Face 上开放模型与数据的最大贡献方，已发布 500 多个模型和 250 多个数据集。

编者评： 一家 GPU 厂商买下模型分发枢纽，最省事的解读是「生态闭环」。公告里最硬的那句话却反着来：在 Hugging Face 上构建或部署，不要求使用 NVIDIA 算力。这句话写进了 SEC 文件，具备法律约束力，也给外界留了一条日后可对照的基准线。承诺能不能兑现，要看 2027 年交割之后，看 AMD 与各家自研芯片的模型在平台上跑得顺不顺。

IFM 一次性放出六款模型：连训练记录一起交出来

9 月 3 日，阿布扎比 MBZUAI 下属的 Institute of Foundation Models 发布 K2 Horizon，六款模型从 0.9B 排到 375B，全部开放权重、代码、训练数据与方法论。IFM 创始人邢波（Eric Xing）的说法是，开源远不止开放权重——别人得能看见数据、跟得上方法、复现得结果，还能在其上改进。

这六款不是同一模型的五个剪枝版本，而是六档部署预算：0.9B 面向手表与眼镜这类极端受限环境，3.7B 与 7B 跑在手机与端侧，32B 稠密款与 36B-A4B 稀疏款面向本地与私有化服务器，375B-A23B 旗舰交给企业级推理与智能体负载。技术上有两处新东西：名为 diffusion distillation 的技术并行生成 token 块，官方称提速约三倍且不降质量；36B-A4B 引入 Mixture-of-Value Attention（MoVA），把专家路由放进多头注意力，与 FlashAttention、分组查询注意力保持兼容。

训练语料的披露比多数开放权重发布走得更远：每款模型预训练约 20 万亿 token，其中约 10 万亿为合成数据，近 17% 是带显式推理的解题轨迹，中间检查点、配置、训练日志与后训练产物一并放出。Hugging Face 上的 ifm 组织已可见全部六个尺寸、量化变体与多个训练数据集，32B FP8 的模型卡写明原生上下文为 524,288 token。

有一处需要自己留个心眼：新闻稿既说每款模型预训练约 20 万亿 token，又说 3.7B、7B、32B、36B-A4B 四款共用同一条 22 万亿 token 的序列以做跨尺度对照，两个数字的关系没有解释，别当同一个口径用。

编者评： 这条发布的价值不在跑分，而在它重新划了一条线。过去几周「开放」这个词被稀释得厉害——Qwen 3.8-Max 用自定义许可，Kimi K3 用改过的 MIT，GLM-5.3 旗舰的条款至今没公布。IFM 把数据、配方、检查点、日志全交出来，等于把「全开放」的标准抬到别人不太好跟的位置。三倍加速与 MoVA 的收益都还出自自家评测，等第三方复现再下结论不迟。

Wes Roth：AGI IS HERE

9 月 3 日晚 9 点 57 分（UTC）上线。Wes Roth 这次没有绕弯子，标题就四个字。他把发布会、官方博客与 Brockman 那句「欢迎来到 AGI 时代」并排放，追问的是一个具体问题：从「回答问题」跨到「替你操作电脑」，中间那道坎 Astra 到底算不算过去了。Astra 的官方宣传语是「你在电脑上能做的任何事，Astra 都能替你完成，而且更快」，Roth 的镜头主要对着这句承诺与已开放能力之间的缝隙。

编者评： 中文区转述这条视频时几乎都在复读「AGI 已来」。真正值得看的是他对发布节奏的梳理——Astra 前后经历了政府审查、内部安全事故与多轮推迟，最后以一篇博客加几条推文的形式落地，没有主题演讲。这个反差本身比口号信息量大。

Matthew Berman：What GPT-6 Astra Can Do

9 月 3 日晚 8 点 44 分（UTC）上线，比 Wes Roth 早一小时。与 Roth 的评论视角不同，Berman 这集走动手流，集中演示 Astra 在电脑操作与多步任务上的实际表现，包括让它进入软件环境自主完成长周期工作。同一天他还连发了《GPT-6 IS HERE!!! (ASTRA)》《ASTRA IS HERE (GPT-6 RELEASED)》等三支短片，第一时间的反应类内容被他一人占了多半。

编者评： 演示类视频的参考价值在于暴露边界，不在于证明能力上限。对照建议自己加：把 Astra 与 Claude Fable 5.1、Gemini 3.8 Flash 放在同一批真实任务上跑，而不是看单个成功案例。Berman 的频道速度快，深度通常留给后续更新。

TBPN：Model Mayhem，把 Astra 与 Hugging Face 收购案放进同一集

9 月 3 日晚 9 点 12 分（UTC）上线，全长 2 小时 26 分。John Coogan 与 Jordi Hays 的这期直播节目把当天两件大事串在一起，时间戳显示 13 分 12 秒切入「Why NVIDIA Bought Hugging Face」，23 分 55 秒专门过了一遍 X 上的时间线反应。开场还花了十几分钟聊当天上午 OpenAI、Claude、Grok 集体宕机那档事——Downdetector 收到的 OpenAI 故障报告超过 1.2 万份，几家都没有解释同步故障的原因。

编者评： 这集的价值在「反应」而不在「结论」。两位主播自己也承认，模型发布密集到一周内四家实验室全部出手，观众已经出现明显的发布疲劳。X 时间线那一段是个不错的切片：一边是「我们真的有 JARVIS 了」，一边是「别给我 Astra 权限，我不急」。

Gary Marcus 追问 Astra 架构，与 Chollet 等人吵到互相拉黑

Astra 发布当天，Gary Marcus 在 X 上连发数帖，问的是个很基础的问题：Astra 是纯 LLM 吗？有没有 harness？是不是混合系统？他的判断是，OpenAI 没有公布任何架构细节，按近几代系统的通例，它大概率会调用符号工具，神经符号混合的可能性就很高——这一点直接关系到 ARC-AGI 的分数该记在 scaling 账上还是工程账上。

争论随后升级。Marcus 与用户 DarlaSkyee、François Chollet 来回交锋，他那句「你不知道它怎么工作，我也不知道，什么都没发表」被广泛转发，最终以互相拉黑收场。

编者评： 吵到拉黑当然不好看，Marcus 提的问题却没被回答。ARC-AGI-3 报出的 99.9% 用的是 OpenAI 自家 harness，标准口径是 62.7%，两个数字差了 37 个百分点。架构信息不公开，外界就没法判断这 37 个百分点里有多少属于模型本身。这不是抬杠，是可复现性的底线。

B 站：6 分钟讲完 Astra 的跑分、争议与到手时间

UP 主「渐近自由JJZY」在 9 月 4 日 17 点 20 分投稿，片长 6 分 15 秒。标题把内容摊得很开——发布、跑分、争议、何时能用、价格和用量全在一集里。UP 主在简介里写自己花了五到六小时整理信息。这类当日汇总的意义在于把散落的一手信息收拢成一条时间线，适合没空逐条刷官方博客的人。

编者评： 中文区当天涌现了几十支 Astra 短视频，多数是几十秒的口播复读。这支 6 分钟的密度明显高出一截，把「争议」单列成段是个加分项——至少没有把官方通稿直接念一遍。价格与用量那部分建议对照官方定价页再看一次，二手整理在数字上出错的概率不低。

编者按

今天的信息密度高到不太正常：OpenAI 发旗舰模型、NVIDIA 买下开源枢纽、MBZUAI 一口气放六款全开放模型，全都挤在 9 月 3 日这一天。三条线指向的不是同一个方向。

最该被抄进笔记的是 OpenAI 自己写的那句「monitorability has decreased」。能力越强、越会藏住自己的推理过程，这条曲线如果延续，建立在思维链之上的一整套监督方法就得重新找地基。OpenAI 把问题写进了发布文档，没有粉饰，这份诚实值得记一功；它也说明，对齐评估跑赢 Sol 并不等于我们更懂模型在想什么。

第二条线是开放生态的归属。NVIDIA 买 Hugging Face，黄仁勋把开放权重与「国家主权」并列，措辞值得一读——开放叙事正在从「便宜好用」升格为「安全与主权」。IFM 的回应落在另一头：既然「开放」这个词被各家许可协议稀释，那就用交出训练数据、配方与日志的方式把它重新定义回去。两件事撞在同一天，很难说是巧合。

第三条线属于社区。Gary Marcus 吵到拉黑、有人翻出 ARC-AGI 两种口径差 37 个百分点、OpenAI 团队成员自曝代码仍显粗糙且确认请求过于频繁——这些声音在发布日当天的音量不比官方通稿小。Astra 是不是 AGI 起点，短期内吵不出结果；那些具体的、可核查的质疑，反而是判断它真实能力边界时更可靠的抓手。

顺带记一笔：李飞飞的 World Labs 在 9 月 1 日发布了全模态世界模型 Atlas，单张或数张输入图可生成最长一分钟的 1440p 视频，相机位姿作为原生输入而非文本描述，目前处于早期访问阶段。发布日略早于本期的 24 小时窗口，放在这里作为背景。