Astra来了，但它先学会踩刹车

昨天，OpenAI 公布了一个名字很像科幻战舰的新模型：Astra。

但这篇公告的大半篇幅都在解释一件事：这么强的模型，发布前为什么必须先把刹车、护栏和监控装好。

因为按照 OpenAI 自己的评估，Astra 已达到其 Preparedness Framework 里的 Critical（关键级）网络安全能力门槛。简单说，在合适工具和权限下，它能发现此前未知的安全漏洞，并在缺少人工逐步指导的情况下，为多种受保护系统开发利用方式。

这不是“写代码更快一点”。这是模型能力开始碰到真实世界的高压线。

Astra 到底强在哪

先把 OpenAI 公布的结果摆出来。以下数字都来自 OpenAI 2026 年 9 月 1 日的官方说明，不是第三方横评：

1. 在测试已知漏洞利用能力的 ExploitBench 上，Astra 得到 100%。
2. OpenAI 又用 2026 年 6—8 月披露的 20 个高危 V8 漏洞做内部测试，Astra 用更少的输出 token 得到更高的任意代码执行成功率。
3. 在这轮测试里，它还在利用链中发现并使用了两个零日漏洞；OpenAI 表示正在向维护者披露。
4. 在专家评估中，Astra 完成过浏览器沙箱逃逸到主机命令执行的完整链路，也完成过从普通用户到 root 的本地提权链。

要注意两个边界。

第一，这些成绩来自 OpenAI 自己的评估，完整系统卡要等正式发布时才会公布。第二，其中一些结果使用了 Daybreak Blue 权限，不等于普通用户拿到的默认生产版本。

所以，Astra 现在还不能被写成“人人都能用的新模型”。OpenAI 的原话是“计划很快提供”，最先进的网络安全能力会先给一小批测试者，再通过 Daybreak Blue 扩大防御用途。

更有意思的是：它会不会越界

能力强只是半场，另半场是它愿不愿意守规矩。

OpenAI 公布了一组很扎眼的数据：在网络安全越狱评估中，Astra 对不允许请求的拒绝率为 91.5%，GPT-5.6 Sol 是 59%。

另一个“蜜罐”测试更直接。模型被放进模拟环境，正常任务很难甚至做不成，旁边却留着可以越界的目标。在没有生产安全措施的条件下，GPT-5.6 Sol 有 56% 的测试会尝试访问那些目标；Astra 没有这么做。

这仍然只是特定测试条件下的厂商数据，不能外推成“永远安全”。不过，模型公司现在得回答一个更难的问题：模型能干大事以后，它还能不能在边界前停住？

OpenAI 甚至承认，生产中的额外检查可能让正常任务变慢、暂停或停止。以后你在 ChatGPT 或 Codex 里看到模型突然请你确认，不一定是它偷懒，也可能是它真的在踩刹车。

同一天，Claude Fable 5.1 走的是另一条路

9 月 1 日，Anthropic 也发布了 Claude Fable 5.1 和 Mythos 5.1。

这两个名字背后是同一个底层模型，但安全边界不同：Fable 5.1 已向 Pro、Max、Team、Enterprise 用户以及 API 和云平台普遍开放；Mythos 5.1 对网络安全和生命科学工作的开放边界更宽，只通过受信任访问计划提供。

Fable 5.1 更像一台已经摆上办公桌的长任务工作机：写代码、做研究、处理知识工作、连续跑很多步骤。它提供 100 万 token 上下文，API 最大输出 12.8 万 token；输入和输出价格分别为每百万 token 10 美元、50 美元。

Anthropic 还把缓存读取价格降到每百万 token 0.25 美元，并估算典型工作负载成本会比 Fable 5 低约 25%，高度智能体化的任务最多可能低约 45%。这也是厂商估算，实际账单仍取决于缓存命中和任务结构。

它的官方基准也很亮眼：Terminal-Bench-Science 0.1 为 52.6%，上一代 Fable 5 是 24.7%；Terminal-Bench 4.0 为 55.8%，上一代为 42.0%。不过这些同样是 Anthropic 使用自身测试设置得到的结果。

Astra 和 Fable 5.1，谁赢了？

如果一定要做一张“胜负表”，反而会把最重要的信息遮住。

• Astra 跨过了关键级网络安全能力门槛，因此必须受限开放，并配套更强的监控和停止机制。
• Fable 5.1 针对长时间编码、研究和知识工作做了升级，价格也降了，而且现在就能用。
• Mythos 5.1 才更接近 Anthropic 对高风险网络安全能力的受限版本。

两家公司实际上做了相似选择：普通能力尽量普及，高风险能力单独设门槛。差别只是 OpenAI 先把“危险能力和护栏”放在台前，Anthropic 则同时交出了一款可以直接进入生产工作的通用模型。

所以现在没有诚实的“Astra 吊打 Fable 5.1”或“Fable 5.1 完胜 Astra”。没有同一任务、同一工具、同一权限和同一评测框架，硬排座次只适合做封面，不适合做判断。

Gemini：别人开发布会，它端来一整张菜单

再看看 Google。

OpenAI 和 Anthropic 同一天分别端出“关键级网络安全能力”和“长任务通用模型”，Google 9 月 1 日发的是一份 8 月 AI 月报：Gemini 3.7 Flash、3.5 Transcribe、Gemini Live、Pixel 新功能、Omni 1.1 Flash 视频模型……一个都没落下。

这就像隔壁两桌在讨论发动机和刹车，Google 推门进来问：“要不要顺便来个语音、视频、手机和天气套餐？”

调侃归调侃，Google 公布的 Gemini 应用月活已超过 10 亿，而且 Gemini 3.7 Flash 继续主打代理和编码。这不是它没来参赛，而是它把比赛办成了综合运动会。只是产品太多以后，用户下一道题往往不是“Gemini 会什么”，而是“我到底该打开哪一个”。

Grok 也没闲着，只是更像在接线

xAI 最近一次模型大更新是 8 月 12 日的 Grok 4.6，主打长时间智能体任务、交互式工作和视觉体验，API 起价为每百万输入 token 2 美元、输出 token 6 美元。8 月 29 日，Grok Bot 又接入 X，可以在授权后搜索帖子、读时间线、检查提及和趋势。

如果说 Astra 在练高风险操作前的“收手”，Fable 5.1 在练几个小时不掉线的“耐力”，那 Grok 最近更像在给智能体接电话线：先让它听见 X 上正在发生什么。

这几家都在把模型变成能持续使用工具、读取环境、做多步决定的智能体。它运行得越久、拿到的权限越多，出错的代价就越大。

我是怎么核对这篇文章的

这次的核验目标很简单：只写截至 9 月 2 日能在公司官网确认的内容。

核验过程里，我把各家的公告、产品页和 API 更新记录逐项对照。数字如果只出现在厂商自测里，就明确写成厂商数据；发布日期和开放状态则按官网原文处理。

还有一处修正说明：Fable 5.1 和 Mythos 5.1 不是两个能力不同的底层模型，而是同一模型配上不同的安全与访问边界。这个差别如果写错，整段比较都会跑偏。

这次真正的新东西，不是名字

我看完这几家的公告，倒没有“又要换模型了”的冲动。

更现实的问题是：模型公司越来越难只讲能力，不讲权限；只讲成功率，不讲会不会越界；只讲能跑多久，不讲什么时候必须停。

对普通用户和小团队来说，现阶段更实用的选择仍然很朴素：

1. 日常编码、研究和长任务，看实际可用性、价格和稳定性，Fable 5.1 这类已经开放的模型更容易马上验证。
2. 涉及生产系统、客户数据、网络安全和外部操作，先缩小权限，再谈模型有多强。
3. 不要把厂商自测当成跨厂商冠军榜；先用自己的任务、自己的工具和自己的风险边界做小规模测试。

Astra 能把门撬开，当然足够吸睛。

但接下来真正麻烦的是：谁有钥匙，谁能看见它在做什么，以及什么时候必须把手收回来。

如果你想看我下一篇把 Fable 5.1 放进真实长任务里跑一遍，回复「氛围编程」。

我的结论：Astra 值得追，但现在更适合追踪它的系统卡和开放范围；真要马上干活，先拿已经开放的模型跑自己的任务。

---

资料来源

• OpenAI：Path to Astra（2026-09-01）
• Anthropic：Claude Fable 5.1 and Mythos 5.1（2026-09-01）
• Anthropic：Claude Fable 产品页
• Anthropic：Claude Platform release notes
• Google：2026 年 8 月 AI 更新汇总（2026-09-01）
• xAI：Introducing Grok 4.6（2026-08-12）
• xAI：Grok Bot now works with X（2026-08-29）

注：文中涉及模型成绩、价格、用户规模和安全评估的数据，均按各公司截至 2026 年 9 月 2 日公开材料整理；属于厂商自测或厂商估算的内容，已在正文中注明。生成配图用于概念表达，不是产品界面或真实事件现场。