推理正在離開螢幕：Astra 把它折進潛在空間，Gemini 把它攤成便宜 token，而一篇 BCI 論文量出了代價——28.4% 的高信心輸出並不忠實

OpenAI 表示 Astra 能在沒有人類指導的情況下，自行找出並利用電腦系統中未知的安全漏洞，在衡量 LLM 攻擊能力的 ExploitBench 上取得滿分，並在 OpenAI 自行改版的測試中挖出兩個先前未知的 zero-day 漏洞。公司說會「很快」開放 Astra，但最強的資安能力初期會限制存取，並搭配濫用偵測強化、越獄防護、依風險分級的帳號限制，以及 chain-of-thought 監控（TechCrunch, 2026-09-01）。Astra 系列本身在 8 月 1 日首度公布，8 月 6 日追加十道長年未解數學問題的解法，全部以 Lean 形式化、API token 成本約 2,000 美元（The Decoder, 2026-08）。

醫院是網路防禦最薄弱的大型組織之一，而一個能自主找 zero-day 的模型同時是防禦者與攻擊者的工具。更值得注意的是 OpenAI 自己把「chain-of-thought 監控」列為安全機制之一——若遞迴深度的傳聞屬實，這項機制監控的對象正在變少。TechCrunch 也指出，這些安全宣稱目前缺乏獨立第三方驗證。

「遞迴深度」目前來自研究社群的解讀與二手報導，OpenAI 尚未發布可核對的技術報告；ExploitBench 滿分與兩個 zero-day 皆為廠商自述、未經第三方稽核。Sebastian Raschka 在 9 月的分析中反駁「循環層必然壓抑可見推理」的說法，認為重複使用層本身並不會直接抑制 chain-of-thought（Raschka, 2026）。

TechCrunch, 2026-09-01 ／ The Decoder ／ Sebastian Raschka

Gemini 3.8 Flash 在 Artificial Analysis 智慧指數上取得 59 分（高推理模式），比 3.7 Flash 進步 3 分，追平 GPT-5.6 Sol 與 Grok 4.6；具 100 萬 token 脈絡窗、支援文字／影像／影片／語音輸入、平均約每秒 300 output token。定價 2026 年底前折扣為每百萬 input／output token 0.75／3.75 美元，標準價 1.50／7.50 美元，單一任務成本約 0.58 美元。這是 Google 四個月內第四款 Flash 模型（Artificial Analysis, 2026-09-02）。同日推出的 Flash Cyber 專為資安研究者設計，用於找程式漏洞與寫修補，在 16 項測試中有 9 項勝過 Claude Opus 5 與 GPT-5.6 Sol，DeepSWE-1.1 得 73.7%、CyberGym 的 C/C++ 漏洞偵測得 86.2%（SiliconANGLE, 2026-09-02）。

對醫療系統而言，決定 AI 能不能鋪到全院的往往不是頂端能力而是單位成本：以折扣價計，掃過一份 20 萬 token 的完整住院病歷約 0.15 美元 input 成本。同時 Google 選擇把資安能力做成一個公開、可買到的獨立變體，而 OpenAI 選擇限制存取——同一種能力，兩種治理姿態。Google 主管 Tulsee Doshi 與 Raluca Ada Popa 表示，模型「在複雜任務上表現出更強的盡責度——執行額外的推理步驟、反覆呼叫工具」。

benchmark 分數來自 Google 自述與第三方指數，沒有任何一項是醫療任務；MedQA、影像判讀等臨床指標在這次發布中未見公布。折扣價 2026 年底到期，長期成本應以標準價 1.50／7.50 美元估算。

Artificial Analysis, 2026-09-02 ／ SiliconANGLE, 2026-09-02

一組以放射與資訊醫學為主的團隊（Gorenshtein、Omar、Klang、Barash 等）在 medRxiv 發表〈Intent Drift in LLM-Assisted BCI Communication〉，用模擬 P300 拼字器解碼錯誤的方式，測試 20 個開放權重模型替腦機介面使用者更正文字時的忠實度。結果：漂移率隨解碼錯誤率從 2.2% 一路升到 60.3%；模型自評的高信心輸出中有 28.4% 不忠於原意；判別力尚可（AUROC 0.83）但校準極差（expected calibration error 0.32）；表現最好的修正策略仍有 18% 的訊息被改錯；臨床上關鍵的訊息漂移率反而略高；醫師人工複核與自動評分的一致性僅屬中等（kappa 0.41）（medRxiv, 2026-08-27）。

這是把「模型幻覺」放到最不能出錯的場景測出來的數字：使用者是失去發聲能力的病人，輸出被當成他本人的意思。作者用的詞是「流暢而高度自信的謊言」——重點不在錯字沒修好，而在模型改變了病人想說的話，而且改得很有把握。ECE 0.32 意味著模型的信心分數幾乎不能拿來當閘門，這直接推翻「用信心值做自動篩選」這一整類部署設計。

這是 in-silico 基準測試，解碼錯誤為模擬而非真實 BCI 使用者資料，且為未經同儕審查的 preprint。20 個模型皆為開放權重，前沿封閉模型（Astra、Gemini 3.8、Claude Opus 5）未納入，因此不能直接外推到臨床實際部署的商用模型。

medRxiv 10.64898/2026.08.20.26360939, 2026-08-27

名為 ScreenAgent 的 LLM agent 被用來自動化統合分析的初篩階段。在報導的數字中，它處理了 201,064 筆醫學紀錄、總成本 855.91 美元（每筆約 0.43 美分），內部敏感度 97.7%（44 篇合格研究中找到 43 篇），為人類審閱者減少 99.4% 工作量；agent 與人類的一致性 kappa 0.75，高於人與人之間的 0.64；外部驗證敏感度分別為 95.9% 與 97.4%。作者採取由第二個 LLM 覆核、最終決定權仍在人類專家的混合設計（Yesil Science, 2026-08-30）。

系統性回顧是實證醫學的成本瓶頸，一份大型統合分析的初篩通常要兩位研究者花數月。若 0.43 美分／篇的數字站得住，臨床指引的更新週期就不再受限於人力，而受限於原始研究的產出速度。與前一則對照也很有意思：同一類技術在「替病人代言」時信心校準極差，在「篩掉不相關論文」這種有明確召回率目標、且錯誤可被第二關攔下的任務上卻表現穩健——任務結構決定了 agent 能不能用，而不是模型強不強。

這則我們只查到二手報導，未能取得 medRxiv 原文連結核對，所有數字以該報導為準。系統在測試中漏掉 1 篇合格研究——在統合分析裡，漏掉的那一篇有可能就是改變結論的那一篇。97.7% 敏感度聽起來高，但實證醫學的慣例門檻通常更嚴。

Yesil Science, 2026-08-30 ／ The Health AI Brief, week of 2026-08-31

GE HealthCare 的 Photonova Spectra 於 8 月 31 日取得 CE 標誌。與傳統 CT 偵測器先把 X 光轉成可見光再讀取不同，Deep Silicon 技術直接量測每一顆 X 光光子及其能量，因此每次掃描同時產生高解析影像與能譜資訊，可用於神經、腫瘤、肌肉骨骼、胸腔與心臟影像。該系統已於 2026 年 3 月取得 FDA 510(k) 與日本上市許可。GE HealthCare 全球 CT 執行總監 Chad Rowland 表示：「其核心是我們的 Deep Silicon 偵測器技術，使 Photonova Spectra 能在每一次掃描中擷取極為細緻的能譜資訊。」（MobiHealthNews, 2026-08-31）

在一週幾乎全是軟體的新聞裡，這是少數發生在物理層的技術突破，而且它決定了上層模型能拿到什麼。能譜 CT 每個體素帶的是材料組成資訊而非單一 HU 值，這等於把影像 AI 的輸入從灰階圖換成多通道量測——現有以傳統 CT 訓練的影像基礎模型並不能自動吃下這些新資料，重新訓練與重新驗證的成本會落在採用光子計數 CT 的醫院身上。

報導未提供解析度、劑量下降幅度或臨床結果的具體數字，也沒有與 Siemens Naeotom 等既有光子計數平台的頭對頭比較。CE 標誌是上市許可而非臨床效益證明。

MobiHealthNews, 2026-08-31

Stryker 於 9 月 1 日宣布 SportSuite Vision 完成首例臨床使用。這是一套 video see-through 擴增實境頭戴顯示系統，把關節鏡影像、HipCheck 軟體、HipMap 的股髖撞擊（FAI）分析與 CT 影像整合進可自訂的空間運算環境，讓術者在直視視野內疊加數位臨床資訊。FDA 於 2026 年 7 月 17 日給予 De Novo 授權，是首個核准與 Apple Vision Pro 搭配於術中使用的應用；首例由杜克健康（Duke Health）骨科醫師 Chad Mather III 執行，適應症限於 FAI 與髖臼唇修補的髖關節鏡手術（Stryker, 2026-09-01；STAT, 2026-09-01）。

De Novo 而非 510(k) 意味著 FDA 找不到可比對的既有裝置，因此為這一類「術中頭戴顯示」建立了新的分類與特別控制——之後跟進的產品可以走 510(k)。Mather 醫師的說法點出真正的賣點不是沉浸感而是人因：「空間運算讓我能依自己的工作流程自訂關鍵臨床資訊的擺放位置，並在無菌區內取用。」這是消費級硬體第一次以主要顯示介面的身分進入無菌區。

Stryker 的發布中沒有提到任何 AI 成分——這是一套顯示與整合系統，不是自動判讀。首例的執刀醫師同時是 Stryker 顧問，且目前僅有單一案例，沒有手術時間、併發症或學習曲線的對照數據。STAT 該篇多數內容位於付費牆後，本則以 Stryker 官方新聞稿為主要依據。

Stryker Newsroom, 2026-09-01 ／ STAT News, 2026-09-01

Medtronic 於 9 月 1 日宣布投資約 7 億美元，取得香港 Cornerstone Robotics 的 Sentire 手術機器人系統在美國以外、已取得法規許可市場的通路權。Sentire 由該公司自行研發，具雙控制台與沉浸式操作台設計，2026 年 5 月取得 CE 標誌，涵蓋一般外科、婦科、胸腔與泌尿的微創手術，並已在中國與新加坡取得上市許可。Medtronic 自家的 Hugo RAS 已在六大洲逾 35 國使用，預計本會計年度結束前全球手術量將超過 50,000 例，其數位生態系包含即時 AI 與 Touch Surgery 平台（Medtronic, 2026-09-01）。

手術機器人的價值正在從機械臂本身轉移到它產生的資料：每一台上線的機器都是連續的手術影片與器械軌跡來源，而這正是訓練手術 AI 唯一難以取代的語料。Medtronic 同時經營 Hugo 與 Sentire 兩條產品線，等於用通路換資料規模，對照 Intuitive Surgical 的單一平台策略——這是達文西體系之外，第二個具備跨機型資料匯流可能性的玩家。Medtronic 外科事業資深副總 Matt Anderson 表示，「外科醫師、健康系統與市場的需求與偏好各不相同」，需要跨臨床場景的彈性方案。

新聞稿沒有說明 Sentire 產生的手術資料是否納入 Medtronic 的數位生態系，也未揭露 7 億美元中股權與通路權的分配、Sentire 的裝機量或手術量。50,000 例是 Hugo 的預測值而非已實現數字。

Medtronic Newsroom, 2026-09-01 ／ MobiHealthNews, 2026-09-01