今天 AI 圈在拼安全、拼收购、拼性价比

OpenAI 自己承认 Astra 能挖零日漏洞，决定锁起来用

这条我不打折——是 OpenAI 自己说的。他们在 9 月 1 日确认，Astra 模型在内部《准备框架》里触到了网络安全能力的最高档 "Critical"。翻译成人话就是：给它合适的工具和权限，它能在没人手把手指导的情况下，自己在很多加固过的系统里找到未知漏洞，并拼出完整的攻击链。

内部测试的数据更具体：Astra 在 ExploitBench 上拿了满分，还用出了两个零日漏洞。OpenAI 因此推迟了 Astra 的广泛发布，改成只通过受信项目开放给特定合作伙伴。

这是 OpenAI 第一次自己给模型贴上最高危险等级的标签。之前行业里讨论 AI 安全风险，大多停留在"可能被滥用"的层面，但 Astra 这次是实打实在内部测试里跑出了攻击能力。OpenAI 没说是哪两个零日漏洞、影响什么系统，也没说 ExploitBench 的满分具体会带来什么——但光是"自己承认 Critical"这个动作，就说明他们内部评估是认真的。

有意思的是，这和 Anthropic 今天发的 Mythos 5.1 形成了镜像：Mythos 5.1 也是因为生物能力更强，只通过 Project Glasswing 给网络安全和生命科学领域的受信项目用，还得和美国政府合作审核。两家最领先的 lab 在同一天都在说"我们的模型太强了，不能随便给"——安全分层正在从论文话题变成产品决策。

Nvidia 快要以 129 亿美元买下 Hugging Face，估值是去年融资的 2.9 倍

Bloomberg 的消息：Nvidia 接近完成收购 Hugging Face，价格约 129 亿美元，加上其他条款总交易额可能到 140 亿。这个价是 Hugging Face 2023 年融资时 45 亿估值的 2.9 倍，按它现在一年大概 1.5 亿美元收入算，相当于 86 倍的年收入。

Nvidia 还谈了一个 10 亿美元的员工留任方案，防止人跑。这个数字本身就说明收购的核心目标不只是平台和用户，更是团队。Hugging Face 现在是开源模型生态的枢纽，几乎所有主流开放模型都在上面发布、下载、评测。Nvidia 买下它，等于在模型分发和开发者关系上直接卡位。

86 倍年收入的估值不便宜，但放在 AI 基础设施并购的逻辑里看，Nvidia 买的不是收入，是生态入口。Hugging Face 上托管着超过 20 万个模型，月活开发者数量巨大。对 Nvidia 来说，这是让更多模型跑在自家 GPU 上的最短路径。

不过这笔交易还没正式官宣，Bloomberg 引的是知情人士。我会等双方确认再看具体条款。

Qwen3.8-Max 在代码榜上拿了第一，$5/百万 token 的价格是目前性价比最高的

通义千问刚发的 Qwen3.8-Max-0902 在 Code Arena 的 WebDev 榜单上首次亮相就拿了 1691 分，排总榜第一。这个分数说明它在网页开发任务上表现很强。

更值得看的是性价比：混合价 $5/百万 token，在 Pareto 前沿（就是性能和价格的最优平衡线）上是得分最高的模型。现在 QwenCloud 上就能用。

这次升级主要把参数量堆到了 2.4T，一次能读 1M token 的上下文，差不多是整本《三体》三部曲的量。后训练重点放在写代码和协作任务上，目标是让模型能跑复杂的企业流程、科研项目和长链条工作。

但有两个缺口：一是 Code Arena 的 WebDev 榜主要测网页开发，其他编程任务的表现还没数据；二是缺少和 Claude、GPT 最新版的直接跑分对比。$5/百万 token 确实便宜，但实际效果还得自己跑自己的任务才知道值不值。

Claude Fable 5.1 登顶智能指数，但每次任务贵了 20%

Anthropic 今天发了两个新模型：Claude Fable 5.1 和 Claude Mythos 5.1。它俩底层是同一个模型，区别在于安全护栏的松紧：Fable 5.1 对所有人开放，Mythos 5.1 只通过受信项目给特定领域用。

Artificial Analysis 用最大算力跑了一遍 Fable 5.1，得分 66，直接冲到他们智能指数的榜首。代价是每次任务的花费比 Fable 5 高出 20%。正文只给了总分和成本涨幅，没拆具体任务类型，也没提延迟数据。

Simon Willison 拿他经典的"画一只骑自行车的鹈鹕"提示词，把五档推理强度全测了一遍。低和中两档几乎没区别，都没显示推理过程，23 秒左右出图，成本约 10 美分。开到 xhigh 档，模型花了 7 分 51 秒、烧了 1.83 美元，细节明显变多。最高档 max 跑了 13 分 54 秒，成本 3.3 美元。

这个测试很直观地说明了一件事：Fable 5.1 的上限确实更高，但你要为那点提升付很多钱。对大多数日常任务，低档就够了。深度用户 Thariq 给了两条实用建议：对验证要求不高、边界情况少的任务，把 effort 调低省算力；现在切换 effort 不会清掉 prompt cache 了，频繁调参的人会省事不少。

价格方面，Fable 5.1 的输入输出价格和 Fable 5 一样，但缓存读取成本降到四分之一。跑长时间编程任务能省一笔。不过有三项破坏性变更需要注意：强制工具调用现在会直接报错；旧模型读不懂它的思考块；编辑对话前面的轮次会让思考块失效。

Gemini 现在能看录屏学操作，然后自己上手点按打字

Google DeepMind 给 Gemini 加了一个新能力：给它看一段操作界面的录屏，它就能看懂步骤，然后自己去完成同样的点击、输入和滚动。不是只描述画面，而是真的执行多步任务，比如填网页表单或在手机 App 里下单。

这个功能已经在 Gemini 应用和 Google AI Studio 开放测试。官方说模型会动态扫描视频片段，相比固定帧率处理，token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。

但正文没提延迟和成功率——UI 自动化智能体在实际环境里经常卡在奇怪的边缘情况上，比如页面加载慢、弹窗遮挡、按钮位置变了。官方给的数字是实验室条件下的，实际跑起来稳不稳还得自己试。

美国多州开始严查 AI 数据中心的"幽灵用电申请"，得州率先冻结新项目接入

路透社的调查挖出一个大坑：美国中部、中大西洋和南部地区的数据中心用电申请加起来超过 700 吉瓦，是实际用电量的十倍还多。很多申请是重复提交的，或者来自根本没能力建成的公司。

得州的情况最夸张，电网接入申请从 2023 年的 48 吉瓦飙到现在的 474 吉瓦，逼得州政府直接冻结新项目接入，并启动全面审计，要求披露最终老板是谁、用水计划和现场发电方案。俄亥俄州、弗吉尼亚州等地也在跟进类似措施。

这波"幽灵需求"挤水分才刚开始。过去两年 AI 数据中心被当成稀缺资源炒，很多公司先占坑再找钱，甚至同一家公司对同一个站点提交多份申请。现在电网运营商开始认真审核了，那些没资金、没土地、没客户的项目会被清出去。对真有在建项目的大厂来说，短期是坏消息（接入更慢），长期是好消息（泡沫挤掉后资源更集中）。

今日小信号

• World Labs 发布 Atlas：一个能从几张图拼出连贯 3D 场景并生成最长 1 分钟 1440p 视频的模型。在稀疏视角 3D 重建任务上超过了专门训练的模型。但没公布价格和公开上线时间，先别急着下单。
• 苹果在 OpenAI 诉讼中提交新证据：指控前工程师 Chang Liu 下载了保密电路图并在 OpenAI 工作中使用，还让同事销毁证据。报道只引了苹果单方说法，没看到 OpenAI 的回应细节。
• Slotstream 让 48GB 内存的 Mac 跑起 104GB 的大模型：原理是按需从 SSD 流式加载专家模块，生成速度约 12 tok/s。但没提首 token 延迟和用的什么 SSD，实际体感还得打问号。
• Hugging Face 半年报告：中国模型参数冲上万亿，但下载量 99% 集中在 1.5% 的仓库。关注度不等于用起来。
• 一个印度小哥用一张 5090 显卡，花 1.5 小时、67 美分训练的小模型，在 ARC-AGI-1 上拿了 44%，跟 TRM/HRM 打平。但 ARC-2 只有 7%，别太激动。