GPT-6 Astra 正式推出：高风险电脑操作模型的可用性，已与访问控制和任务中断机制绑定
证据类型： A｜OpenAI 官方发布、模型文档与官方账号公告。 发生了什么： OpenAI 于 9 月 3 日发布 GPT‑6 Astra（API 模型 ID：gpt-6-astra）。官方称其正先向有限组织推出，随后数日覆盖 ChatGPT Plus、Pro、Business、Enterprise、OpenAI API、Azure 与 AWS Bedrock；Enterprise 工作区初始默认关闭，管理员须手动启用。API 标准价为每百万输入 token 10 美元、输出 token 50 美元，Fast mode 标准价翻倍；订阅用户在既有额度内使用，额外用量可购 credits。模型支持最高 105 万 token 上下文、12.8 万 token 输出，以及从 low 到 max 的推理 effort。 为什么重要： 这不是单纯把一个更强的模型名加入 SDK。OpenAI 将 Astra 定义为首个达到其网络安全 Critical 门槛的广泛部署模型：发布版可做安全代码审查和补丁，但会拒绝漏洞 PoC 等更高风险任务；在 ChatGPT/Codex 中额外检查可能暂停任务要求确认，在 API 中则会停止任务。能力、可用套餐与安全控制共同决定团队实际能交付什么，而不是 benchmark 的最高分。 关键判断： 有电脑操作或高权限 Agent 的团队，应把 Astra 当作一项受控迁移，而非替换默认模型。先在隔离环境按任务类别记录成功率、总 token、工具调用、被暂停/拒绝率与人工恢复时间；再为可访问的系统、确认人、日志和回滚定义边界。只有这些运行指标胜过现有方案，$10/$50 的 token 标价才有比较意义。 还需观察： 公告写的是“未来数日”陆续开放，未给出所有地区、账户、API tier 或每个套餐的具体配额；因此不能把 SDK 枚举或官方社交帖误读为已向所有用户可用。OpenAI 披露的评测主要来自其发布材料，生产中的系统提示、工具和安全层也可能使结果与表格不同；Critical 阈值更不等于组织可以取消人工审批。
Gemini 3.8 Flash 与 Flash Cyber 发布：同价位升级不等于同一项 Agent 任务成本
证据类型： A｜Google 官方产品发布、API 文档与模型卡。 发生了什么： Google 于 9 月 2 日 15:00 UTC 发布 Gemini 3.8 Flash，并同时推出受限的 Gemini 3.8 Flash Cyber。通用 Flash 已在 Gemini API、AI Studio、Android Studio、Gemini Enterprise、Gemini App 等渠道可用；介绍价为每百万输入 token 0.75 美元、输出 3.75 美元，至 2026 年底，之后变为 1.50/7.50 美元。它支持 1M 输入、64K 输出、low/medium/high thinking，以及代码执行、函数调用、搜索、URL context 和预览版 computer use；Cyber 版仅通过 Fairwind 计划向受信任防御者开放。 为什么重要： Google 自己提示，3.8 Flash 在复杂任务上会额外推理和迭代调用工具，较高 effort 时可能消耗更多 token。于是“单价与 3.7 Flash 相同”的说法不能替代单位任务成本：长程 Agent 的账单还取决于循环次数、重试、工具输出和人工接管。Cyber 版的受限分发也说明高风险能力的产品规格同时包括身份、环境和用途。 关键判断： 正在从 3.7 Flash 迁移的团队，应将同一批真实工作流分层 A/B 测试：效率优先路径固定 low effort，复杂路径逐级提高；记录端到端成功率、总 token、工具轮数、延迟、失败回退及每项完成任务成本。若更高 effort 只带来表面分数而没有降低返工，保留旧模型反而是更好的成本控制。 还需观察： Google 的性能比较和“额外努力”的收益主要来自厂商材料，实际 token 增幅、地区配额和各产品入口的推出节奏仍需在目标账号核验。Flash Cyber 的准入、地域与审核细节未构成公共 API 承诺；不能因通用 Flash GA 而推断 Cyber 也可采购。
Hugging Face 发布 207 个 WebGPU kernel 与 Fleet：端侧 AI 的竞争点开始落到“本机可复测”而非只报云端吞吐
证据类型： A｜Hugging Face 官方技术发布。 发生了什么： Hugging Face 发布 @huggingface/kernels，用于从 Hub 加载和运行优化的 WebGPU kernel，并提供首批 207 个 kernel，覆盖矩阵乘、归一化、卷积、注意力、量化与数据布局变换等操作。每个 kernel 同时附带接口、shader 模板、正确性案例、benchmark 案例和使用说明；同时发布的 Fleet 会在用户浏览器中对其硬件运行和评分，用户同意后才向社区贡献私有化的性能与正确性证据。 为什么重要： 浏览器本地推理常被讲成“无需服务器”的体验故事，但真正的难点是不同 GPU、驱动和浏览器组合下的正确性与性能差异。把实现、测试与基准作为同一版本化单元，并让设备实测反哺验证网络，意味着 WebAI 的工程资产不再只是模型文件，而是可以审计、回归和比较的底层运行证据。 关键判断： 有端侧、离线或数据不出端需求的团队，应把它当作验证基础设施信号，而不是立即替换现有推理栈的理由。先在目标浏览器、真实输入形状和受支持硬件上建立基线：首 token / 全程延迟、显存峰值、数值偏差、失败回退与耗电；只有在这些指标和隐私边界同时过线后，才讨论把云端路径迁到浏览器。 还需观察： 207 个 kernel 不等于所有模型、浏览器和设备都有等价覆盖；Fleet 的社区测量也依赖参与者硬件、测试配置及隐私同意，不能直接当作统一实验室基准。生产采用前仍需核实包的许可、版本兼容性、浏览器能力检测、降级路径和遥测数据的具体处理方式。