AI 日报 · AI 日报
AI 日报|2026 年 9 月 2 日
Google 发布 Gemini 3.8 Flash,并通过受限计划向可信防御者提供网络安全版本;同一天,政策、基础设施、安全治理、教育与科研评测都把重点转向更强 AI 的可靠部署。
本文目录
9 月 2 日最值得关注的变化,不只是又一个模型刷新了能力数字,而是更强能力正在被分成不同的交付方式。Google 将 Gemini 3.8 Flash 作为通用模型全面开放,同时把保障更宽松、网络安全能力更强的版本放进受限访问计划。模型之外,G20、AWS、Microsoft 和 IBM 分别从政策、安全、基础设施与教育角度说明了同一个问题:AI 能做更多事以后,权限、成本、标准和人员准备必须一起跟上。
今日要点
- Google 发布 Gemini 3.8 Flash 正式版,支持 100 万词元上下文、可调推理强度和多种内置工具。
- Gemini 3.8 Flash Cyber 通过 Fairwind 计划向政府、关键基础设施与软件维护者等可信防御者受限开放。
- SciLaws-Bench 用真实科研数据与可交互的“平行世界”,检验大语言模型能否发现科学规律,而不只是复述熟悉公式。
- AWS 与 SANS 发布智能体安全框架,将独立身份、最小权限、持续监测和分级响应列为基础措施。
- G20 创新部长会议形成共识声明,把 AI 知识产权、AI 标准与技术人才培养列入六项合作支柱。
- Microsoft 提出用“有效产出”而非单纯算力规模衡量 AI 基础设施,关注每美元、每瓦的词元产出、吞吐量与延迟。
- IBM 调查显示,美国中学课堂中的 AI 使用已较普遍,但只有 20% 的受访 K-12 教育工作者表示接受过充分培训。
重点进展
Gemini 3.8 Flash 正式开放,重点转向长时任务与可调成本
发生了什么
Google 在 9 月 2 日发布 Gemini 3.8 Flash,并将 gemini-3.8-flash 作为正式可用的稳定模型提供给开发者。官方文档显示,它支持文本、图像、音频、视频和 PDF 输入,拥有 1,048,576 个输入词元与 65,536 个输出词元上限,并支持函数调用、代码执行、搜索、网址上下文和预览阶段的计算机操作。开发者还可以在低、中、高三档推理强度之间调整质量、延迟与词元消耗。来源:Google 发布公告、Gemini API 发布说明、模型文档
Google 将模型定位于长时间的软件工程、智能体和复杂知识工作。首发优惠价格为每百万输入词元 0.75 美元、输出词元 3.75 美元,计划在 2027 年 1 月 1 日翻倍。官方也提醒,模型在复杂任务中可能主动使用更多推理步骤和工具调用,因此标称单价不能直接代表一次任务的总成本。
为什么重要
面向智能体的模型越来越需要同时说明能力、运行时间和总消耗。可调推理强度让团队能够为不同任务设置成本边界,但仍应以完整任务的成功率、延迟和词元用量评估,而不能只比较单次调用价格。Google 公布的能力结果主要来自自身和合作方评测;模型卡同时披露,多语言安全自动评测相较 3.7 Flash 有小幅退步,且模型仍可能产生事实错误或超时。来源:Google DeepMind 模型卡
Google 将更强网络安全能力放进受限访问计划
发生了什么
Google 同时推出 Gemini 3.8 Flash Cyber 和 Fairwind 计划。网络安全版本使用与通用版相同的基础能力,但针对漏洞发现与自动修补优化,并采用更宽松的网络安全保障,因此不会向所有用户直接开放。首批访问对象包括政府网络安全机构、关键基础设施运营者、核心软件维护者和经过审核的企业伙伴;参与组织需要限制内部访问人员,并采用多因素认证等操作措施。来源:Gemini 3.8 Flash Cyber 公告、Fairwind 计划
Google 称,该模型在由 Collinear 运行的 CWE-Bench 修补评测中取得 47.2% 的一次通过率,并已在 Chrome、Wiz 与 Google Cloud 的内部或合作方场景中测试。Fairwind 将模型与 CodeMender 修补工具结合,目标是生成并验证补丁,而不只是报告漏洞。上述效果数据由 Google 与合作方发布,尚不能替代不同代码库上的独立验证。
为什么重要
网络安全模型既能帮助防御者,也可能降低攻击门槛,因此“谁能访问、能调用哪些工具、如何记录操作”已经成为模型能力的一部分。Google 的做法延续了前沿实验室按身份和用途分级交付能力的趋势。真正需要观察的不是计划参与者数量,而是补丁正确率、误报、访问审计和人工接管能否在生产环境中持续成立。
SciLaws-Bench 区分“拟合数据”与“发现规律”
发生了什么
一篇在北京时间 9 月 2 日 01:17 提交到 arXiv 的预印本提出 SciLaws-Bench,用来评估大语言模型发现科学规律的能力。数据集包含来自 381 篇论文的 118 个问题、291 个候选规律和约 800 万个真实数据点,覆盖六个科学领域。评测一方面要求模型根据固定的真实观测提出规律,另一方面提供由已发表形式改造出的可交互“平行世界”,让模型主动查询数据并恢复未知规律。来源:arXiv 论文
研究团队在统一的智能体框架中测试了九个闭源和开放权重模型。论文的核心结论是,预测拟合度、科学有效性和结构恢复并不总是一致;多次采样能够产生更好的候选规律,但模型未必能可靠选出它。论文也使用大语言模型担任部分评审,并与五名领域专家的标签做一致性验证。
为什么重要
“把曲线拟合得更好”不等于“发现了可信规律”。这个基准尝试把记忆熟悉公式、预测新数据和满足科学约束拆开衡量,能帮助研究者更谨慎地判断 AI for Science 的能力边界。不过它目前仍是预印本,部分评分依赖模型评审,结论还需要同行评审和外部复现。
AWS 与 SANS 把智能体安全落到身份和响应流程
发生了什么
AWS 发布与 SANS Institute 合作编写的智能体安全框架,围绕四个方面给出企业级建议:为每个智能体分配独立身份和短期、有限权限;持续监测会随交互变化的行为;按风险分级决定自动阻断还是交给人工判断;把同样的控制延伸到多个智能体之间的委派和协作。AWS 还特别提醒,应避免让单一组件同时接触敏感数据、外部通信渠道和不可信内容。来源:AWS Security Blog
为什么重要
智能体的风险不只发生在模型回答文字时,还发生在它取得凭证、调用工具和对外发送结果的过程中。传统的一次性上线审查无法覆盖这些持续变化,因此可追踪身份、最小权限、实时监测和分级响应应当成为运行基础。该框架同时服务于 AWS 的安全产品叙事,采用前仍需结合组织自己的威胁模型和云环境验证。
G20 将 AI 标准、知识产权与人才写入创新共识
发生了什么
由美国商务部和白宫科技政策办公室主办的 G20 创新部长会议在 9 月 2 日结束。会后声明列出六项合作支柱,其中包括人工智能知识产权政策、“用于 AI 的标准与用 AI 制定标准”、技术人才培养、供应链与产业投资。与会方还形成“卡罗来纳新兴技术原则”,主张投资基础研究、改善科研成果商业化路径,并推动可信技术的采用与部署。来源:美国白宫
为什么重要
不同国家即使对具体监管方式存在分歧,仍需要在标准、人才和创新转化上找到共同语言。把 AI 知识产权与标准同时列入部长级议程,说明模型训练数据、生成内容和跨境技术兼容性正在从企业问题变成国际协调问题。不过这份成果首先是原则性共识,不等同于具有强制力的国际规则,后续仍要看各国如何转化为标准和政策。
Microsoft 用“有效产出”重新描述 AI 基础设施效率
发生了什么
Microsoft 在 SEMICON Taiwan 2026 提出,AI 基础设施不应只用芯片、数据中心或电力容量衡量,还要关注这些投入能转化出多少可用结果。公司把这一指标称为“有效产出”,示例包括每美元和每瓦能够生成的词元、更高吞吐量与更低延迟。其实现思路覆盖芯片、内存、网络、电力、冷却、编译器、模型和实际工作负载,而不是分别优化单个部件。来源:Microsoft Source Asia
为什么重要
当智能体执行更长任务、调用更多工具时,峰值算力越来越难代表真实成本。把工作负载结果与资金、能耗、吞吐量和延迟一起测量,更接近企业实际购买的价值。不过 Microsoft 当天发布的是产业观点与设计方向,并没有给出统一测量公式或可横向复现的完整数据,暂时不能把“有效产出”当成成熟行业标准。
IBM 调查显示课堂采用速度快于学校准备度
发生了什么
IBM 公布一项由 Morning Consult 在 2026 年 7 月开展的美国调查,样本包括 1,019 名 K-12 教育工作者和 1,029 名学生家长,两组误差范围均为正负 3 个百分点。76% 的初中课堂教育者和 73% 的高中课堂教育者表示,AI 至少每周在课堂中使用;但全部受访教育工作者中,只有 20% 表示接受过充分的 AI 培训。77% 的家长希望参与决定课堂如何使用 AI,只有 20% 表示清楚理解学校提供给孩子的 AI 指引。来源:IBM Newsroom
IBM 同时宣布面向学区负责人、教育管理者和教师的 K-12 AI 领导者培训项目,首批计划在纽约地区招收最多 100 人,之后再扩展到美国其他州。
为什么重要
学校面对的紧迫问题已经不是“学生会不会接触 AI”,而是教师能否解释工具边界、制定清晰规则并让家长参与。培训、课程材料和透明度如果跟不上使用速度,学校更容易把 AI 问题简单处理成作弊检测。调查由 IBM 委托,且只覆盖美国受访者,不应直接外推到其他国家或所有学校。
值得关注
高风险能力正从模型名称变成访问制度
Gemini 3.8 Flash 与 Flash Cyber 使用相近的基础能力,却通过默认保障、审核对象和工具权限形成不同产品。前一天 OpenAI 与 Anthropic 也公布了类似的能力分级路径。接下来更值得观察的是审核标准、退出机制、运行日志和事故披露,而不只是受限版本的排行榜成绩。
智能体成本需要按完整任务计算
Google 提醒 3.8 Flash 在复杂任务中可能消耗更多词元,Microsoft 则主张用资金、能耗、吞吐和延迟共同衡量基础设施产出。两者指向同一实践:比较智能体时,应记录完成率、重试次数、工具调用、人工接管和总时长,单个词元价格或峰值性能都不够。
“可靠”必须拆成不同证据
SciLaws-Bench 区分拟合度、科学有效性与结构恢复,IBM 区分工具采用与人员准备,AWS 区分模型边界与工具权限。它们共同说明,可靠性不是一个总分。团队需要先写清楚要保护的对象和失败类型,再选择评测、监测和治理措施。
来源
- Google:Gemini 3.8 Flash 与 Flash Cyber
- Google AI for Developers:Gemini API 发布说明
- Google DeepMind:Gemini 3.8 Flash 模型卡
- Google:Fairwind 计划
- arXiv:SciLaws-Bench 论文
- AWS:Agentic Security
- 美国白宫:G20 创新部长会议共识
- Microsoft:The New Imperative for AI Infrastructure
- IBM:New Study Finds AI Adoption Is Outpacing K-12 Readiness