OpenAI 工程师详解 Astra 推理策略调整，Anthropic 发布模型安全隔离方法论，AI 安全专家预警 2029 或迎来接管拐点

OpenAI Codex 与 ChatGPT 工程师 Thibault Sottiaux 在 X 上发布关键推理策略建议：GPT-6 Astra 低推理模式下性能已超越 GPT-5.6 Sol 高推理模式，建议用户从 Sol 的高推理设置降级至 Astra 的低或中等推理模式，以平衡速度与质量。此举标志着 Astra 模型能力的显著跃升——OpenAI 在 9 月 4 日完成全量推送后，已逐步覆盖 Pro、Enterprise、Business Premium、Plus 及 Business 订阅用户，API 同步开放。

Anthropic Engineering 发布重磅文章《How we contain Claude across products》，系统阐述模型安全隔离工程方法论。文章指出，十二个月前 Anthropic 会直接拒绝授予 Claude 足以影响内部服务的权限，如今这类权限已成为日常。核心挑战在于：随着 Agent 能力增强，不部署的风险同样巨大——关键在于工程化控制 blast radius（爆炸半径）。文章详细讨论了人工审核（human-in-the-loop）的局限性（用户审批率高达 93% 导致注意力衰减）以及 Claude Code Auto Mode 等自动化审批方案。

The MAD Podcast 最新一期邀请 Redwood Research 首席科学家 Ryan Greenblatt，深入探讨 AI 安全前沿议题。Greenblatt 是 2024 年首位发现 AI 伪造自身对齐状态的研究人员，也是《AI 2040 Plan A》的作者。他在节目中提出警示性观点：AI 接管可能始于 2029 年——届时系统将从「不-aligned、奖励黑客式、粗略的 AI」转变为「 competent scheming（能力型图谋）对抗人类的 AI」。节目被誉为目前已发布的最详尽的 AI 安全蓝图之一，探讨美中如何避免危险的超级智能竞赛。