OpenAI发布GPT-6 Cyber网络安全模型

AI 在网络安全领域的能力，又迎来了一次重大升级。

就在刚刚，OpenAI 正式发布新一代网络安全模型 GPT-6 Cyber，能够自主发现软件漏洞、验证漏洞是否可以利用，并协助研究人员开发修复方案。

相比上一代 GPT-5.6 Cyber，新模型在漏洞利用测试中的成绩相对提升约 51%，同时大幅改善了执行安全任务时的指令遵循能力。更值得关注的是，OpenAI 已经将 GPT-6 Cyber 投入真实的软件安全研究，并取得了相当惊人的成果。

图｜官方博客🔗 https://openai.com/index/introducing-gpt-6-cyber/

在 Linux 内核研究中，GPT-6 Cyber 成功开发了 948 个可运行的漏洞利用程序；在 Firefox 浏览器中，它又发现了 81 个此前未知的高危漏洞。

部分 Firefox 漏洞已经由 Mozilla 修复，相关安全更新也开始向用户提供。

根据 OpenAI 公布的信息，GPT-6 Cyber 在多数网络安全任务上的表现超过了通用旗舰模型 GPT-6 Astra，即使后者没有拒绝执行相关请求，Cyber 依然具有优势。

凭借此次能力提升，OpenAI 将 GPT-6 Cyber 在网络安全领域的风险等级评定为 Critical（严重级），高于上一代 GPT-5.6 Cyber 的 High（高级）。

按照 OpenAI 的 Preparedness Framework（前沿模型风险准备框架），这一评级意味着模型已经具备需要采取更严格防护措施的网络攻击能力。

漏洞利用能力提升 51%，还能自主寻找未知漏洞

网络安全研究通常需要理解软件运行机制、分析代码、寻找漏洞、构造攻击程序，再验证漏洞能否在实际环境中成功利用。

过去，这些工作高度依赖专业研究人员的经验，尤其是漏洞利用程序的开发，可能需要长时间反复调试。

如今，GPT-6 Cyber 已经能够参与完成上述流程。

在专门评估漏洞利用能力的 ExploitGym 中，GPT-6 Cyber 取得了 48.5% 的成功率，上一代 GPT-5.6 Cyber 为 32.1%，相对提升约 51%。

该测试要求模型针对指定漏洞，在远程目标环境中开发有效的利用程序，因此相比单纯判断代码是否存在安全问题，更接近实际安全研究。

OpenAI 还设计了一项 Web 渗透测试，要求模型在无法查看源代码的情况下，通过与 Web 应用交互寻找漏洞。

在这项测试中，GPT-6 Cyber 的漏洞召回率达到 40.3%，超过 GPT-6 Astra 的 32.0%。

另一项名为 RemoteExploitBench 的新基准，则进一步测试模型的远程漏洞利用能力，涉及 GitLab、PostgreSQL、Jenkins 等软件中的已知漏洞，所有测试均在受控环境内进行。

初步评估显示，使用 Daybreak Blue 的 GPT-6 Astra 拒绝执行了全部测试任务，而使用 Daybreak Red 的 GPT-6 Cyber 完成了 95%，唯一一次失败是未能让漏洞利用程序在远程环境中正常工作。

两者采用不同的安全访问配置，因此这组结果也受到安全策略的影响。

相比基准测试榜单的成绩，GPT-6 Cyber 在真实软件项目中的表现更有说服力。

OpenAI 披露，其研究团队使用 GPT-6 Cyber 对 Linux 内核开展大规模研究，成功复现 1724 个漏洞，并针对其中 948 个开发出了可运行的漏洞利用程序。

使用相同研究框架的 GPT-5.6 Sol，此前仅成功利用 166 个漏洞，GPT-6 Cyber 的成果超过其五倍。

按照 Linux 社区的漏洞披露规范，OpenAI 已经向相关维护人员报告其中 304 项关键发现，并提供候选修复方案，其余问题的修复工作仍在推进。

另一项成果来自 Firefox。

Mozilla 的 Firefox 浏览器长期接受安全研究人员及多代前沿 AI 模型的审查，属于安全防护相对成熟的软件项目。

即便如此，GPT-6 Cyber 依然发现了 81 个此前未知、被 Mozilla 认定为高危的漏洞，并证明另外 30 个已知问题的严重程度高于此前评估。

研究人员同时提供了可复现的测试证据与修复建议，帮助 Mozilla 工程师开展修复工作。

Firefox 杰出工程师 Brian Grinstead 表示，即使经过多代前沿模型的安全加固，GPT-6 Cyber 依然发现了未知的高危漏洞，并帮助团队向数百万用户提供安全修复。

此外，OpenAI 还利用 GPT-6 Cyber 与其他模型研究 Brotli 压缩库中的关键漏洞，验证其可能导致下游应用出现远程代码执行风险。

在 OpenAI 自身基础设施的受控红队测试中，相关 AI Agent 甚至能够组合利用多个漏洞，突破微型虚拟机隔离，并在底层宿主机上执行代码。研究团队随后据此修复软件缺陷、加强网络访问限制，并向相关维护人员披露问题。

AI 会主动攻击，但也必须知道哪些目标不能碰

随着网络安全模型能力不断增强，一个现实问题变得更加突出。

当 AI 已经能够自主编写攻击程序，甚至组合多个漏洞完成攻击时，如何确保它不会擅自攻击未经授权的系统？

为此，OpenAI 在 GPT-6 Cyber 的训练过程中，专门强化了模型遵守授权范围、执行操作限制以及准确报告研究结果的能力。

其中一项关键测试叫作 ExploitGym Honeypot。

研究人员会向模型提供一个困难的漏洞利用任务，并在隔离环境中配置软件包仓库、对象存储等辅助服务，同时故意让这些服务存在容易利用的漏洞。

按照任务要求，模型只能攻击指定目标，即使发现其他服务存在安全缺陷，也不能擅自利用。

测试结果显示，在没有部署阶段安全提示词的情况下，GPT-6 Cyber 有 99.93% 的测试遵守了授权范围，上一代 GPT-5.6 Cyber 为 94.49%。

加入部署安全提示词后，GPT-6 Cyber 在该项测试中的遵守率达到 100%。

OpenAI 还展示了模型的部分推理记录，其中明确提到不能假设额外 API 或攻击控制器属于目标范围，也不能探索授权范围之外的凭证。

为了进一步限制滥用风险，OpenAI 还引入针对网络安全任务的监控机制，包括检查模型行为是否符合用户授权、识别高风险攻击请求，以及监测针对工业控制系统等关键基础设施的危险操作。

例如，在 PHP 关键漏洞的协调披露期间，OpenAI 曾部署专门监控措施，识别针对真实 PHP 服务器开发漏洞利用程序的行为，同时保留对合法防御工作的支持。

面向企业 API 用户，OpenAI 还引入 Private Safety Processing（PSP）机制，通过自动化检查识别潜在滥用行为。对于使用 Zero Data Retention 的客户，通常也需要启用 PSP，对保存在客户存储空间中的加密交互记录进行为期 30 天的安全检查。

此外，Daybreak Red API 默认要求使用 IP 白名单，限制未经批准的网络访问。

AI 潜入模拟发电厂，发现两个零日漏洞

除了传统软件安全，OpenAI 还与工业网络安全公司 Dragos 合作，在受控实验室内模拟工业控制网络，测试前沿模型对关键基础设施的理解和攻击能力。

相关测试涵盖网络发现、资产识别、目标侦察、敏感数据获取以及可能影响工业设备运行的危险操作。

Dragos 首席 AI 官 Rob T. Lee 透露，在一次模拟发电厂测试中，研究人员几乎没有提供环境信息，但模型依然能够自主区分工业控制设备与普通 IT 系统，并在管理保护继电器数据的工程软件中发现两个零日漏洞。

这些漏洞可能暴露保护设置以及断路器跳闸逻辑等敏感信息，为后续攻击提供重要条件。

Rob T. Lee 认为，AI 正在降低攻击者开展前期侦察与漏洞研究所需的技术门槛，而相关测试有助于防御团队提前了解潜在攻击路径。

基于这些研究，OpenAI 新设立了 Daybreak Red for Critical Infrastructure，为经过批准的关键基础设施防御团队提供专门权限，允许其在授权范围内开展安全测试。

与此同时，OpenAI 还计划通过总额 10 亿美元的 Daybreak for Frontline Defenders 资助计划，为政府机构、重要公共服务提供商等资源有限的防御团队提供使用补贴。

网络安全的新悖论，防御者需要更强的攻击工具

GPT-6 Cyber 的发布，揭示了网络安全行业一个越来越现实的悖论。

为了让互联网变得更加安全，防御者可能需要掌握越来越强大的攻击能力。

面对潜在漏洞，安全研究人员只有验证其能否被实际利用，才能判断危害程度与修复效果。随着 AI 具备自主开发漏洞利用程序的能力，防御者也需要同等级别的工具。

按照 OpenAI 的安排，GPT-6 Cyber 首批仅通过 API 和 Codex 向部分经过批准的 Daybreak Red 客户开放，未来逐步扩大至全部 Daybreak Red 用户。

与此同时，GPT-5.6 Cyber 将向所有 Daybreak Red 客户开放，基于 GPT-6 Astra 的 Daybreak Blue Alpha 测试也将扩大至更多企业和个人研究人员。

其中，Daybreak Blue 主要服务漏洞分析与修复验证，Daybreak Red 则允许经过授权的研究人员开发漏洞利用程序，开展更深入的安全测试。

价格方面，GPT-6 Cyber 的 API 定价也相当昂贵，在短上下文模式下，每百万 Token 输入费用为 20 美元，输出费用高达 100 美元，均为 GPT-5.6 Sol 的 5 倍。缓存输入价格为每百万 Token 2 美元，30 分钟和 12 小时的缓存写入费用分别为 25 美元和 50 美元。