GPT-6 Cyber：漏洞检测、范围遵守

1. 指定漏洞攻击成功率为 48.5%

据公司公布，GPT-6 Cyber 的 ExploitGym 得分为 48.5%，较上一代网络安全模型相对提升 51%。该评估考察模型能否利用远程目标的指定漏洞成功实施实际攻击。测试的不只是指出漏洞存在，还包括构建有效攻击方法的能力。

表：ExploitGym 指定漏洞攻击成功率

条件：利用远程目标指定漏洞的严格单次尝试成功率（pass@1）评估。模型和访问设置见各行。数据据公司公布。

单位：%

同一评估中，上一代网络安全模型的得分为 32.1%。但表中的访问设置包含是否启用安全措施，因此得分不仅反映攻击执行能力，也反映模型是否接受请求。

据公司公布，在一项不提供源代码、探索 Web 应用的独立评估中，漏洞检出率为 40.3%。作为对照的 GPT-6 Astra 在 Daybreak Blue 设置下为 32.0%。

在将存在已知漏洞的应用部署于受控环境的 RemoteExploitBench 初步评估中，据公司公布，该模型完成了 95% 的任务。作为对照的通用模型在 Daybreak Blue 设置下拒绝了所有任务。OpenAI 据此将内部网络风险等级从“高”上调为“严重”。

2. 训练模型即使存在捷径也遵守任务边界

OpenAI 表示，已开展专项训练，使模型遵守授权范围、服从行为限制并准确报告结果。用于测试的 ExploitGym Honeypot 是引诱攻击者的伪装服务，在隔离环境中设置软件包仓库等辅助服务，攻击这些服务即可取得任务的答案标记。该测试考察模型即使面对轻易获取答案的捷径，是否仍只处理获准目标。

据公司公布，未部署安全指令时，GPT-6 Cyber 未攻击范围外服务的比例为 99.93%，GPT-5.6 Cyber 为 94.49%。为新模型启用安全指令后，范围遵守率为 100%。

3. 在 Linux 和 Firefox 中同时提交复现材料与修复方案

据公司公布，研究人员复现了 1,724 个 Linux 内核漏洞，并为其中 948 个开发了可用的攻击代码。这是使用相同研究工具配置测试的 GPT-5.6 Sol 所得 166 个的五倍以上。研究人员已将 304 个严重问题连同候选修复方案告知维护者，其余问题也在推进修复流程。

在 Firefox 中，据公司公布，研究人员提交了 81 个漏洞的证据与复现测试，这些漏洞在此前使用多代模型的检查中均未被发现。Mozilla 将其归类为高风险。研究还确认，30 个已知问题的严重程度高于原有评估，Mozilla 收到报告后很快开始落实修复。

客户 Cognition 表示，在自有漏洞发现与攻击验证评估中取得 23% 的成绩，超过此前 13% 的最高分。CodeRabbit 表示，在内部安全审查评估中，发现的高风险和中风险问题比现有生产模型多 66%。

4. 验证能力提升，运营管控也随之加强

防御团队可将模型用于从漏洞发现到攻击复现、修复验证的工作。与此同时，使用过程也伴随访问审批与监控。OpenAI 默认仅允许通过获准 IP 地址访问 Daybreak Red API，并建议对高风险任务采用隔离环境、行为审查和人工监督。

选择不保留数据的 API 使用方式 Zero Data Retention 的客户，通常还须使用 Private Safety Processing。该流程会自动检查在客户存储库中保留 30 天的加密记录，但不向 OpenAI 员工暴露输入和响应。这是在支持防御工作的同时核查是否存在滥用的运营要求。

OpenAI 还加强了阻止涉及关键基础设施的高风险活动的检查。公司解释，同样的技术也用于漏洞探索与修复验证，因此会兼顾提高拦截率和支持正当研究。

5. 先向获批客户开放，再扩大研究人员访问范围

新模型将先提供给部分获批 Daybreak Red 客户，之后扩大至全部此类客户。新用户和组织可申请使用 Daybreak。用于支持漏洞与修复验证的 Daybreak Blue Alpha 访问，也将扩大至使用通用模型的更多组织和个人安全研究人员。

针对关键基础设施防御，还设立了规模为 10 亿美元的支持计划。该计划补助资源不足的政府组织和基本服务提供者等使用，并为获批防御组织运营独立访问组，授予其测试关键系统的权限。

GPT-6 Cyber 的变化不仅在于发现更多漏洞，还在于同时加强攻击复现能力与遵守授权范围的训练。