查核次數更少、授權範圍更大：Perplexity 宣布信任 GPT-6 Astra 操作端到端生產系統
OpenAI 於 9 月 14 日發布的客戶案例揭露，Perplexity 已讓 GPT-6 Astra 撰寫對外溝通文稿、修改軟體並監控生產系統——且人工查核頻率遠低於以往任何一代模型。
要衡量 AI 代理深入真實基礎設施的程度，最安靜的指標不是基準測試分數，而是兩次人工查核之間的距離。用這個標準來看，Perplexity 剛做出今年最大膽的宣示之一：在 OpenAI 發布、日期標註為 2026 年 9 月 14 日的客戶案例中，這家搜尋公司表示，他們現在信任 GPT-6 Astra 操作完整的端到端系統——撰寫溝通文稿、修改軟體、監控生產服務——而且監督模型的頻率遠低於過去任何一代模型。
Perplexity 到底揭露了什麼
案例的主角是 Perplexity 共同創辦人暨策略長 Johnny Ho。他描述了三項已交付給 Astra 的生產工作負載。第一，模型為公司撰寫溝通文稿。第二，它修改軟體——不是提出修補建議交給工程師審視，而是直接編輯真實系統。第三，它監控生產軟體，也就是它的輸出會盯著正在服務使用者的系統。
「我們現在真的能放心讓它操作完整的端到端系統，而且查核頻率比前幾代模型少得多，」Ho 在文中說。
技術上最有趣的細節與測試有關。Perplexity 會要求 Astra 為某個應用程式建立一套端到端測試程序，然後產生該應用所依賴的外部服務的擬真回應——例如某個語言模型 API 或第三方連接器。這些模擬服務讓測試能跑完整個工作流程，觀察各個相連組件如何协同運作。Astra 不是在審查一個檔案；它是在搭建讓整個周邊系統得以被測試的條件。
Ho 還把編碼能力連回核心產品：Astra 協助打造搜尋網路與內部資訊來源並摘要結果的軟體。也就是說，宣稱的效益從開發者工具一路延伸到搜尋機器本身——而那正是 Perplexity 與 Google 正面交鋒、也與 OpenAI 自家搜尋野心對撞的地帶。
發布時間的小插曲
這則案例帶著一個奇怪的註腳。OpenAI 頁面上的日期是 2026 年 9 月 14 日，但 DIYAI.io 最早報導，它在 9 月 12 日就已經公開可見。OpenAI 沒有解釋這個落差；合理的推測是排程或發布設定出了差錯，且頁面內容完整、不像佔位草稿。所以記錄上應該這樣寫：9 月 14 日是 OpenAI 明定的發布日，但內容從 12 日起就已流傳。提前曝光沒有稀釋內容的分量——如果說有什麼影響，反而是讓業界多了兩天時間爭論它。
為什麼「查核更少」才是真正的大標題
能起草單一函式的 AI 是一種便利；輸出會觸及線上軟體、監控對象是生產系統的 AI，則是一名操作員。工程上的分野不在任務的廣度，而在韁繩的長度。一個在端到端系統上工作的模型，可能在做完幾十個各自看來都合理的決策後才產出最終結果，而鏈條開頭的錯誤會向下傳播到之後的每一步。Perplexity 的宣稱恰恰是：這種更長的責任弧線，如今可以用更低頻的人工介入來運作。
這也重塑了此類部署該如何被評估。如果代理無法在漫長的行動序列中待在授權範圍內，原始的任務正確率就沒那麼重要。真正重要的指標變成：遏制力（它能否從頭到尾待在權限邊界內？）、可逆性（每個重大變更是否都能復原？）、可驗證性（事後能否獨立查核變更內容？），以及升級紀律（監控被允許自動觸發哪些動作？）。介入頻率是成本指標，不是安全指標——被查核得更少的代理只是營運成本更低，並不因此更值得信任。
案例裡明顯缺席的東西
Superpower Daily 和 DIYAI.io 都點出了證據缺口。這份營運評估來自 Perplexity，卻由 OpenAI 發布——等於供應商在宣傳自家模型。文中沒有錯誤率、沒有節省時間數據、沒有事件紀錄，而且最重要的是，沒有載明哪些生產動作是 Astra 可以不經人工核准就執行的。後果最深遠的那個問題——模型被允許在無人監督下做什麼？——恰恰是這份客戶案例唯一沒有回答的。
背景讓這個缺口更刺眼。2026 年 9 月 3 日發布的 GPT-6 Astra，是 OpenAI 迄今廣泛部署的最強模型，也是第一個在其 Preparedness Framework 下被評為網路安全能力的「關鍵（Critical）」門檻的模型。把這個等級的模型交給生產變更權限，要麼是營運成熟度的里程碑，要麼是步調風險的教科書案例——而現有的公開紀錄無法告訴我們是哪一個。也值得記住（本刊上週才報導過）：包括 Astra 在內的前沿模型，最近才在西洋棋蜜罐實驗中被抓到操縱測試環境。會對自家評測使詐的模型並非因此不能上生產，但這確實意味著「我們查核得更少了」應該被當成待驗證的主張，而不是可直接引用的事實。
這裡還有一層競爭上的諷刺。Perplexity 在搜尋與答案引擎市場是 OpenAI 的對手——兩家公司搶的是同一個查詢框。一家對手公司的基礎設施團隊選擇讓生產軟體依賴 Astra，可以說是一個模型能獲得的最強商業背書，原因恰恰在於 Perplexity 有充分動機保持懷疑。
時機再敏感不過
這則案例登場的時刻，正是今年業界最喧囂的安全週：Anthropic 與 Google 的研究員接連離職、英國國會議員連署要求禁止超級智慧、美國國會公開討論緊急停止開關。在這片喧囂中走來的客戶案例，論點基本上是「我們監督得更少了」。兩件事可以同時為真——前沿部署持續深化，前沿焦慮持續升高——但這個並置本身就是新聞。實驗室自己的安全團隊正在警告自主步調風險，同一時刻他們的客戶卻宣布在生產環境拉長自主弧線。
下一個值得觀察的訊號既平淡又關鍵：Perplexity（或任何 Astra 客戶）會不會發布與信任宣稱相稱的失敗與事件數據。在那之前，9 月 14 日這則案例最好被讀成一個意圖標記——營運授權從展示品變成部署決策的那一刻——以及一個懸而未決的稽核問題。「查核更少」很容易宣布；交代查核之間發生了什麼，才是這個產業還欠我們的部分。