AI 资讯速览
2026年9月8日 · 苹果9月9日"Surprise and Shine"发布会只剩不到24小时，产品阵容在最后时刻进一步收窄确认：今年不会有面向大众的iPhone 18基础版，苹果把它推迟到2027年春季，9日现场只会看到iPhone 18 Pro/Pro Max与首款折叠iPhone Ultra两条线，Ultra定价传闻区间也从此前的"约$1,999"扩大到"$1,999-2,500"。同一天的另一条主线：Google、OpenAI、Anthropic三家几乎同步推出网络安全专用AI模型，但Google的Fairwind Program把最强版本Gemini 3.8 Flash Cyber严格限定在650多个"受信任伙伴"（政府、关基运营商、核心安全团队）名单内，普通中小企业和独立开发者被结构性排除在外——这与8月27日OpenAI、Anthropic、Google联合百余家公司发布的"协同防御流氓AI"公开信是同一条叙事的延续。另外，Meta在9月2日悄悄发布了Muse Spark 1.3，除标准定价外新增一档"训练许可换9折"的Contributor定价，值得单独说清楚。
本文基于官方公告、开发者文档与主流科技媒体报道整理，每条均标注来源；苹果发布会前的规格与定价均为媒体综合预测、非官方确认，若9日现场公布内容不同，以上描述直接作废。
苹果9月9日发布会倒计时最后24小时：确认取消iPhone 18基础版，只剩两条产品线，Ultra定价传闻扩大到$1,999-2,500
发布会前最后确认：今年没有iPhone 18基础版（推迟到2027春季），9日只发布iPhone 18 Pro/Pro Max与折叠iPhone Ultra，Ultra定价传闻区间扩大至$1,999-2,500
综合MacRumors最新整理的发布会预览与Forbes报道，苹果9月9日（太平洋时间上午10点，Apple Park）的产品阵容在临发布前进一步收窄确认：今年不会有面向大众的iPhone 18基础版，苹果选择等到2027年春季再发布价格更亲民的机型；9日现场确认的iPhone产品线只有iPhone 18 Pro、iPhone 18 Pro Max与首款折叠iPhone Ultra，另外还会发布新一代Apple Watch Ultra 4/Series 12与AirPods 5。折叠Ultra的定价传闻区间也从此前媒体普遍预测的"约$1,999起"扩大到"$1,999-2,500"，具体取决于存储配置。
发布会前最后确认：今年没有iPhone 18基础版（推迟到2027春季），9日只发布iPhone 18 Pro/Pro Max与折叠iPhone Ultra，Ultra定价传闻区间扩大至$1,999-2,500
综合MacRumors最新整理的发布会预览与Forbes报道，苹果9月9日（太平洋时间上午10点，Apple Park）的产品阵容在临发布前进一步收窄确认：今年不会有面向大众的iPhone 18基础版，苹果选择等到2027年春季再发布价格更亲民的机型；9日现场确认的iPhone产品线只有iPhone 18 Pro、iPhone 18 Pro Max与首款折叠iPhone Ultra，另外还会发布新一代Apple Watch Ultra 4/Series 12与AirPods 5。折叠Ultra的定价传闻区间也从此前媒体普遍预测的"约$1,999起"扩大到"$1,999-2,500"，具体取决于存储配置。
据MacRumors发布会预览页梳理，苹果这次刻意把"入门款"从阵容里拿掉，是近几年iPhone发布节奏里少见的策略调整——往年iPhone基础版几乎都与Pro系列同期发布，今年却被单独挪到明年春季，与iPhone 16e/17e等"春季廉价机型"归入同一发布节奏。这意味着2026年iPhone 17仍会作为苹果当前在售阵容里价格最低的主力机型，持续更长时间。
与本简报持续关注的线索对照看：折叠Ultra的定价区间被媒体进一步"拉宽"到$2,500上限，叠加此前已确认的电源键式Touch ID方案、5.5寸外屏/7.8寸内屏规格，指向的是苹果在把这款机型定位为一款利润率优先、出货量克制的"旗舰试验品"，而不是希望短期内大规模铺量的主流机型——这个判断会直接影响独立开发者是否值得在发布初期就为折叠屏单独投入适配资源（拓展观察页给出具体建议）。
Google、OpenAI、Anthropic网络安全AI模型扎堆发布，但Fairwind Program把最强版本锁进650+"受信任伙伴"名单，普通开发者拿不到
Google正式推出Fairwind Program：Gemini 3.8 Flash Cyber+CodeMender组合限定650多个"受信任伙伴"，国家级网络安全机构、关基运营商优先，个人开发者不在准入范围内
据Google官方博客与DeepMind官方页面，Google已正式推出Fairwind Program，将其最强网络安全模型Gemini 3.8 Flash Cyber与代码修复系统CodeMender打包，仅面向政府机构、关基设施运营商与核心安全团队等650多个"受信任伙伴"开放，参与方只能把访问权限用于内部安全/事件响应/渗透测试团队，且明确禁止转发、转售或对外共享访问权限。这与OpenAI Astra（首个跨越"Critical"网络安全门槛的模型）、Anthropic企业级零留存方案（EFS）几乎同期发布，三家公司的举动与8月27日OpenAI、Anthropic、Google等百余家公司联合发布的"协同防御流氓AI"公开信是同一条叙事的延续。
Google正式推出Fairwind Program：Gemini 3.8 Flash Cyber+CodeMender组合限定650多个"受信任伙伴"，国家级网络安全机构、关基运营商优先，个人开发者不在准入范围内
据Google官方博客与DeepMind官方页面，Google已正式推出Fairwind Program，将其最强网络安全模型Gemini 3.8 Flash Cyber与代码修复系统CodeMender打包，仅面向政府机构、关基设施运营商与核心安全团队等650多个"受信任伙伴"开放，参与方只能把访问权限用于内部安全/事件响应/渗透测试团队，且明确禁止转发、转售或对外共享访问权限。这与OpenAI Astra（首个跨越"Critical"网络安全门槛的模型）、Anthropic企业级零留存方案（EFS）几乎同期发布，三家公司的举动与8月27日OpenAI、Anthropic、Google等百余家公司联合发布的"协同防御流氓AI"公开信是同一条叙事的延续。
据Google官方博客披露的数据，Fairwind Program目前已有650多个参与合作方，覆盖国家级网络安全机构、关键基础设施运营商与核心技术平台，采取"分批开放"策略优先服务这几类高优先级防御者；技术指标上，Gemini 3.8 Flash Cyber在20种语言的内部漏洞发现测试中命中率超过70%，对Chrome漏洞给出正确补丁的能力是主流商用模型的2.6倍，在CWE-Bench上pass@1达到47.2%。参与方仅被允许把访问权限用于内部安全团队，且必须追踪员工的访问与使用记录——这套准入门槛本质上把"能拿到最强网络防御AI"限定在已经具备成熟安全团队的大型组织，普通中小企业和独立开发者被结构性排除在这批工具之外。
与本简报9月4日已报道的"自建版审计"缺口是同一条线索的延续：McKinsey此前的调查显示32%企业在跳过软件采购、改用agentic工具自建，而现在最前沿的网络防御AI模型又进一步向大型组织和政府机构收拢——这两条线索叠加意味着，"中小企业和独立开发者拿不到白手套级别的安全工具"这个缺口不仅没有缩小，反而在这波网络安全AI竞赛里被进一步拉大。
其他动态：Meta低调发布Muse Spark 1.3，新增"训练许可换9折优惠"的Contributor定价档
Meta 9月2日发布Muse Spark 1.3，标准定价维持$1.25/$4.25每百万token不变，新增Contributor定价档：同意Meta用你的对话训练模型，价格最多降21倍
据artificialanalysis.ai与OpenRouter的定价数据，Meta于9月2日发布多模态推理模型Muse Spark 1.3，标准输入/输出价格维持$1.25/$4.25每百万token（与7月9日的1.1版、8月5日的1.2版保持一致），缓存输入价格$0.15每百万token；新增的"Contributor"定价档为$0.10/$0.20每百万token，最多比标准价便宜21倍，交换条件是用户同意Meta使用其对话内容训练模型。
Meta 9月2日发布Muse Spark 1.3，标准定价维持$1.25/$4.25每百万token不变，新增Contributor定价档：同意Meta用你的对话训练模型，价格最多降21倍
据artificialanalysis.ai与OpenRouter的定价数据，Meta于9月2日发布多模态推理模型Muse Spark 1.3，标准输入/输出价格维持$1.25/$4.25每百万token（与7月9日的1.1版、8月5日的1.2版保持一致），缓存输入价格$0.15每百万token；新增的"Contributor"定价档为$0.10/$0.20每百万token，最多比标准价便宜21倍，交换条件是用户同意Meta使用其对话内容训练模型。
据DataCamp与eesel AI的评测，Muse Spark 1.3面向长周期agentic、多智能体与编码工作流优化，相比1.2版在编码任务上减少约20%的工具调用次数与约25%的token消耗，并且更倾向于在执行有后果的操作前主动确认、遇到歧义时更频繁地提出澄清问题。
为什么值得单独记一笔：这个"用数据换低价"的Contributor定价档，和本简报9月7日报道的"Google Gemini Notebook转向算力计费、OpenAI Codex/Anthropic Claude Code收紧限额"是同一条价格分层趋势的另一种变体——只是Meta选择的分层维度不是"用得多就贵"，而是"愿不愿意让渡数据训练权"。对企业用户而言，这意味着评估AI工具定价时，除了看每百万token的价格，还需要额外核对是否勾选了数据训练授权，这对有数据合规要求的团队（比如处理财务或客户数据的场景）是一个容易被忽略的隐性成本。