9月3日：AI 模型开始配“自动停机”，Gemini 3.8 把网络防御单独放行

覆盖北京时间 2026 年 9 月 1 日 07:45 至 9 月 3 日 07:45。过去两天，AI 的新变化集中在同一个问题上：模型能力越强，自动停机、访问权限、训练规则和真实环境评测就越接近产品本身。

OpenAI 告诉美国众议员 Greg Casar 和 Doris Matsui，工程师正在开发 AI 系统的“自动停机能力”。公司还表示，会更密切地记录模型完成任务时访问了哪些数字工具、采取了哪些步骤，并在安全测试中收紧模型访问互联网的能力。这些内容来自 OpenAI 给议员的复函，Reuters 于 9 月 3 日 04:02（北京时间） 报道；复函具体日期没有公开。1

为什么重要： “自动停机”把智能体的控制权从人工事后干预，推进到系统运行中的实时处置。OpenAI 正在开发的工程能力，与美国众议员提出的 “AI Kill Switch Act” 属于两件事：前者是公司安全措施，后者是拟授权政府要求企业关闭高风险模型的立法提案。企业部署智能体时，除了看模型能完成什么，也要问清楚谁能暂停任务、什么信号会触发暂停。

进一步核对：Reuters 原文《OpenAI is building “automated shutdown” capabilities for AI tools》

Google 于 9 月 2 日发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。Google 称，前者面向软件工程、智能体任务和专业领域的多步推理，HLE-Verified 得分为 54.9%；后者主攻自主发现漏洞和自动修复，在公司内部覆盖 20 种编程语言的漏洞发现测试中成功率超过 70%，CWE-Bench 的 pass@1 为 47.2%。这些数字均来自 Google 自测。Gemini 3.8 Flash 面向 API、Google AI Studio 等渠道开放，首发价为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元；Flash Cyber 只通过 Fairwind Program 向可信防御者提供。2

为什么重要： Google 把通用智能体模型和高风险网络安全模型拆成两个变体，也把“谁能用”写进了发布方式。开发者可以比较模型的价格、工具调用和推理效果；政府机构、关键基础设施运营者和软件维护者则需要额外申请更强的防御模型。防御能力越接近漏洞利用能力，访问控制就越成为模型规格的一部分。

进一步核对：Google 官方公告《Introducing Gemini 3.8 Flash and 3.8 Flash Cyber》

美国政府于 9 月 2 日向曼哈顿联邦法院提交简报，支持 OpenAI 在《纽约时报》版权案中的主张，认为使用受版权保护的材料训练大语言模型通常属于“合理使用”，并要求法院驳回“训练模型本身违反版权法”的主张。案件仍在审理中，政府简报属于咨询性意见，不是法院判决。《纽约时报》则认为 AI 公司应为使用创作者作品付费。3

为什么重要： 这份简报把训练数据争议从公司与出版商之间的诉讼，推向美国政府对“训练是否属于合理使用”的正式法律立场。法院最终如何处理，仍决定着模型公司能否继续使用大规模受版权保护文本，以及创作者是否需要通过许可获得报酬。当前阶段只能记录双方主张，不能把政府意见写成已经生效的规则。

进一步核对：Reuters 原文《US government backs OpenAI in New York Times copyright case》

纽约市市长 Zohran Mamdani 和教育部门于 9 月 2 日宣布，2026—2027 学年对 2-K 至 8 年级学生使用面向学生的生成式 AI 实施为期一年的暂停。所有年级都禁止使用“陪伴型聊天机器人”；高中阶段可开展最多 5 万名学生、约 5% 学生参与的有限试点。教师仍可在符合 NYC 公立学校安全标准的前提下使用 AI 做教学规划和行政工作，残障学生、多语学习者及部分职业准备项目可获得辅助技术豁免。45

为什么重要： 这项政策把学校里的 AI 使用从“教师自行选择工具”，改成按年龄、工具类型和监督条件分层管理。对教育产品公司而言，学生端工具的年级资格、教师监督、隐私与安全审查都会影响进入公立学校的路径；对家庭而言，暂停令覆盖的是特定年级和学生使用场景，教师备课与部分辅助技术仍在范围内。

进一步核对：纽约市市长办公室正式公告；Reuters 报道

arXiv 于 9 月 1 日收录论文《WorldBench: Culturally Grounded Benchmark for Multilingual Agents》。论文提出一个面向真实日常工作流的多语言评测集，包含 1600 个任务、7 种语言和 8 种文化，让智能体在沙盒环境中执行结构化动作。作者用“受约束任务成功率”（CTS）同时衡量任务是否完成、是否少改动环境等结果；论文实验显示，前沿模型的 CTS 最高为 49.2%，模型在“答对”和“保持环境状态”之间存在明显差距。6

为什么重要： 这项研究把智能体评测从单轮答案，推进到跨语言、跨文化和多步操作中的状态保持。49.2% 是这篇论文实验中的结果，不是全行业统一排名；它提醒部署团队，模型会不会给出正确回答，和模型能否在真实工作流中持续行动，是两项不同的验收条件。

进一步核对：论文摘要与正式元数据

OpenAI 的自动停机能力、Google 对 Flash Cyber 的访问限制，以及纽约市按年级划分的暂停令，指向同一件事：AI 的能力边界正在和使用条件一起发布。版权案决定训练材料能否继续大规模使用，WorldBench 则说明模型进入真实工作流后，还要接受状态保持和文化差异的检验。今天值得继续跟踪的，不只是哪个模型更强，而是哪个模型能在明确的控制条件下稳定工作。