本週 AI 大事：同一天，兩家實驗室把閘門往相反方向調

這週真正改變的，不是又多了一個更強的模型，而是「誰在決定 AI 能做什麼」這件事，被攤在同一天的兩則公告裡看得一清二楚。

8 月 7 日，OpenAI 說它把即將發布的 Astra 往後壓，因為評測顯示它可能自己發動網路攻擊。同一天，Anthropic 說它把 Fable 5 的生物安全閘門鬆開，因為擋錯的太多。一邊收緊、一邊放寬，兩邊都是自己說了算，也隨時可以再改一次。

而同一週，唯一對企業有法律效力的那件事，是 8 月 2 日生效的歐盟 AI 法第 50 條——它管的不是模型商，是你。

先看這週擺在桌上的三個訊號。

訊號一｜OpenAI 為了「模型會打人」，把自己的旗艦往後壓

OpenAI 在 8 月 7 日公開表示，未發布的 Astra 模型在初步評測中，它「無法排除」其達到 Preparedness Framework 定義的 Critical 網路安全能力等級——白話講，就是這個模型可能自行找出並對「傳統上防護良好的真實系統」發動攻擊。它也說明正在與相關政府機構及「部分 AI 安全組織」合作測試這項能力（TechCrunch 8/7）。

注意措辭：OpenAI 說的是「無法排除」，不是「已確認跨過門檻」，測試仍在進行。它同時澄清 Astra 與先前 Hugging Face 遭入侵的事件無關。

它採取的動作是具體的：暫停內部所有缺乏新管控的 Astra 使用、隔離測試環境、限制網路與工具存取、強化模型權重的保護與加密，並對所有 agentic 應用做全面的風險行為監控（The Register 8/7）。

把它擺回企業現場來看：這份清單其實就是一份 agent 部署的最低安全需求書。差別只在，OpenAI 是對自己的實驗環境做這件事，而你的 agent 正在正式環境跑。

訊號二｜同一天，Anthropic 把 Fable 5 的生物閘門鬆開 85%

也是 8 月 7 日，Anthropic 公布它重寫了 Fable 5 生物安全分類器的 constitution 並用新資料重訓，實測結果是生物相關的「降級回退」減少約 85%（Anthropic 8/7）。

它同時預期整體回退（不限生物類）也會跟著下降，分產品面的預估差很多：Claude.ai 約 67%、Cowork 約 55%、Claude Code 約 17%、Claude Platform 約 7%（同上）。要分清楚：85% 是實測，這四個數字是官方預估。這個落差本身就是訊號——愈接近一般對話的介面，原本擋錯得愈兇。

值得抄的是它的機制：被判定為受管制的請求，不是被拒答，而是改由能力較低的 Opus 5 承接。病毒學、毒理學、分子設計等 dual-use 請求仍然會回退——Anthropic 自己的說法是「Fable still falls back to Opus 5 for requests we consider dual-use」，並明講因此它還不適用於專業生物研究與藥物開發。

兩件事並排看，方向完全相反：

訊號三｜8 月 2 日起，「你在跟 AI 講話」變成法律義務

歐盟 AI 法第 50 條的透明度義務自 2026 年 8 月 2 日起可執行，適用對象是在歐盟市場提供、或其輸出在歐盟境內被使用的 AI 系統的 provider 與 deployer——不是歐盟公司也算（Cooley 8/3）。

四項義務，例外要一起記：

1. 直接與人互動的 AI（聊天機器人、語音助理、agent）要讓對方知道自己在跟 AI 互動，除非這件事已經顯而易見。
2. 生成或竄改的合成內容要嵌入機器可讀標記並提供偵測機制，有有限的例外（一般編輯、非實質性的修改）。
3. 情緒辨識與生物特徵分類的部署者要告知當事人。
4. 深偽內容要揭露它是人工生成或竄改的。

第 4 項有個容易抄錯的地方：Cooley 把深偽和「就公共利益事項告知大眾的 AI 生成文字」寫在同一條，而「經過實質人工編輯審查、且有自然人或法人承擔編輯責任就免揭露」這個豁免，只給後者那類文字，不給深偽（以上四項與例外皆見同一份 Cooley 分析）。

罰則是最高 1,500 萬歐元或全球年營業額 3%，取高者；不過對中小企業與新創，AI 法另有取低者的規定。有兩個緩衝：既有生成式系統的標記與偵測義務寬限到 2026 年 12 月 2 日，2026 年 8 月 2 日之前產出的內容不需回溯標記（同上）。

要留意一個常見的誤讀：Digital Omnibus on AI 已於 2026 年 7 月 27 日生效，它把 Annex III 獨立高風險系統的適用日從 8 月 2 日延到 2027 年 12 月 2 日——但這個延期「不及於 AI 法大部分的透明度義務」，第 50 條 8 月 2 日照常上路（K&L Gates 7/31；另見 Lumenova）。如果你的團隊因為「聽說延期了」而把整包合規往後排，排錯了。

落地樣板｜把「拒答」改成「降級」，並且量出誤擋率

Anthropic 這次公布的做法，比它放寬了多少更值得抄，因為它把一個做不好的內部治理題變成了可測量的工程題。

拆成三步：第一，護欄的判斷不寫死在提示詞裡，而是獨立的分類器，規則（constitution）可以單獨重寫、單獨重訓。第二，被擋下的請求不是丟一句拒絕，而是路由到能力較低但安全的備援模型，使用者仍拿得到答案。第三，效果用「回退率」量，而且分產品面量——所以它才講得出 Claude.ai、Claude Code 各降多少這種數字，也才知道該修哪一面。

多數企業的 AI 護欄卡在第三步：擋得對不對，只有客訴才知道。而只要沒有數字，護欄就只能一路加嚴，直到沒人想用。

這週，企業可以做的三件事

一、盤點「哪些對外介面在用 AI」，然後補上揭露。 第 50 條的第一項義務門檻最低，也最容易漏——客服機器人、網站上的問答框、外撥語音、產品內的建議功能都算。**本週可做的第一步：**列出所有會被歐盟使用者接觸到的 AI 介面，各標一句「有沒有告知對方這是 AI」。

二、把 agent 的網路與工具權限，當成資安邊界重新看一次。 OpenAI 對 Astra 列的那份管控清單（隔離環境、限縮網路與工具、監控 agentic 行為），是它對「可能會打人的模型」的處置；你的 agent 沒那麼強，但它跑在正式環境。**本週可做的第一步：**進權限最高的那個 agent 的執行環境，實際連一個外部網址，看攔不攔得住。

三、給你的 AI 護欄裝一個回退率儀表板。 抄 Anthropic 的三步：護欄獨立於提示詞、擋下來要有降級路徑而不是死路、按介面分別量誤擋。**本週可做的第一步：**先只做量測——把過去一個月被護欄擋下的請求撈出來，人工抽樣 50 筆，數一數有幾筆其實該放行。

模型商的安全政策是他們的商業判斷，不是你的合規基準；這週該補的，是你自己這一側說得清、量得出、審計得了的那幾件事。