Astra 走完 48 关、Google 扩大航迹试验、联合国要求前沿 AI 降风险：硅谷 AI 过去 24 小时

截至北京时间 2026 年 9 月 8 日 09:00，本期覆盖 9 月 7 日 09:00 至 9 月 8 日 09:00。本期纳入三条经过页面核验的进展：一条是第三方对 GPT-6 Astra 的独立测试，一条是 Google 与国泰航空扩大 AI 航迹试验，一条是联合国人权事务高级专员对前沿 AI 风险的公开警告。测试结果、媒体报道和编辑判断分别标明。

9 月 7 日，创业者 Sharif Shameem 把 OpenAI 的 GPT-6 Astra 放进 neal.fun 的 “I’m Not a Robot” 游戏。这个游戏用 48 个逐步变难的浏览器任务模拟 CAPTCHA（区分人和自动程序的验证机制）。Shameem 发布的视频显示，Astra 在 4 分钟以内完成了全部 48 关，并获得“人类”证书。1

AGTP 对这次测试的记录还列出两组比较：Astra 在 OSWorld 2.0 上完成任务的速度比 GPT-5.6 Sol 快约 47%，在 ExploitBench 上得分 100%，GPT-5.6 Sol 为 78.5%，Claude Opus 5 为 70%。这些数字来自 AGTP 对公开测试材料的整理，测试条件、任务抽样和运行环境仍需要独立复现。2

来源性质： 这是一段创业者测试视频和行业账号记录，证据层级属于独立演示。OpenAI 的模型发布页说明 GPT-6 Astra 面向计算机操作等任务，但本次 48 关成绩的测试者、环境和结果来自上述公开帖子。5

为什么值得看： 浏览器智能体的价值取决于模型能否把识别、点击、拖拽和状态判断连成一条完整动作链。48 关连续通关把观察重点从“模型会不会完成一个动作”推向“模型能否在长任务中保持目标、处理反馈并持续纠错”。这也是企业部署智能体时需要补充的评测维度：一次演示能说明能力上限，稳定重复、权限控制和失败后的退出机制才能说明产品可用性。

接下来观察： 第一，看 OpenAI 是否给出官方复测结果和完整任务定义；第二，看测试是否覆盖登录、付款、敏感数据和外部系统写入等高风险动作；第三，看 Astra 在连续任务中遇到错误时能否主动暂停并请求人工确认。

Google 与国泰航空 9 月 7 日宣布扩大 AI 凝结尾迹试验。初期试验已经覆盖超过 80 班国泰航班，第二阶段将进入国泰航空的亚洲及跨太平洋航线网络。Google 的预测工具会识别可能形成持久凝结尾迹的空域，飞行员再据此考虑调整飞行高度。3

凝结尾迹是飞机经过高空冷湿空气时形成的冰晶云带。部分凝结尾迹会持续较长时间，产生额外的变暖影响。路透社报道援引试验结果称，相关变暖影响减少约 40%；报道还称，持久凝结尾迹约占航空业总体气候影响的三分之一。3

为什么值得看： 这项合作把 AI 的商业化放在一个可量化的运营环节里：模型先给出高风险空域预测，航空公司再把预测转成飞行高度选择。Google 在航空领域获得了真实运行场景，国泰航空获得了可以与燃油、航程和航班时刻一起评估的减排方案。这个判断是编辑根据合作流程作出的判断。

接下来观察： 第二阶段需要回答三个运营问题。更多航班是否会提高预测准确率，避开凝结尾迹需要绕行或改变高度时会增加多少燃油消耗，约 40% 的影响减少能否在跨太平洋航线中重复出现。只有把减排效果与航班成本放在同一套数据里，这项试验才会接近可规模复制的商业产品。

联合国人权事务高级专员沃尔克·图尔克 9 月 7 日公开警告，先进 AI 可能对人类构成存在性风险。他的办公室进一步提到，强大 AI 系统失效可能扰乱关键基础设施、通信和民主制度。图尔克表示，他将推动 AI 公司降低风险，并呼吁 AI 主要开发国和供应链国家围绕安全“红线”形成共识。4

这次讲话还把自主杀伤武器列为明确风险，呼吁禁止无需人类参与即可杀人的武器。路透社报道提到，图尔克把前沿模型能力发展过快、外部安全防护跟不上作为担忧的一部分，并点名 Meta、Anthropic、OpenAI 和 Google 等公司。上述内容代表联合国官员的公开立场，行业风险的具体概率和治理方案仍需分别评估。4

为什么值得看： 前两条新闻都把模型能力放进现实系统：Astra 操作浏览器，Google 的预测进入飞行运营。联合国这次讲话把同一个问题推到治理层面：当模型能执行更长的动作链，企业和政府需要怎样知道系统正在做什么，又由谁在出现异常时暂停系统。这里的连接是编辑判断，依据是本期三条事件中的任务执行、现实部署和安全要求。

接下来观察： 值得继续跟踪的信号包括：前沿模型公司是否公开长任务评测和人工接管条件；航空等高风险行业是否把 AI 建议保留在人工决策链内；各国监管者是否从原则性“红线”推进到可审计的权限、日志和停机要求。

本期三条事件共享一条具体线索。GPT-6 Astra 的公开测试把模型放进连续浏览器任务；Google 与国泰航空把预测模型放进飞行高度决策；联合国则要求前沿 AI 的安全保障覆盖基础设施、通信和民主制度。模型能力、业务价值和治理要求正在同一条链路上出现。

读者接下来可以沿着三条线观察：模型公司给出什么可复现的长任务证据，企业部署 AI 时留下哪些运行数据，监管要求能否落到人工接管和系统停机条件。三条线都比“模型又发布了一个新版本”更接近 AI 商业化的真实进度。