OpenAI CEO山姆·奥特曼。图片经由AI处理
文丨周小燕
编辑丨徐青阳
AI寻找软件漏洞的能力又向前迈进一步。
美国当地时间11月5日，OpenAI发布网络安全专用模型GPT-6 Cyber。
这是基于GPT-6 Astra开发的攻防特化版本，重点提升漏洞发现、漏洞利用和Web渗透测试能力。OpenAI披露，该模型已在Linux内核中开发出948个可用漏洞利用程序，在Firefox中发现81个此前未知的高危漏洞。
这款模型的变化还体现在安全边界上。面对故意设置的越权诱饵，GPT-6 Cyber在不带额外部署提示词的情况下，守住授权范围的比例达到99.93%。
OpenAI将其网络安全能力评为Preparedness Framework中的Critical级别，也是该框架中的"最高危险等级"模型。
01 漏洞利用测试接近五成
GPT-6 Cyber最显著的提升，出现在漏洞利用能力上。
在ExploitGym测试中，模型需要针对远程目标中的指定漏洞完成利用。GPT-6 Cyber得分为48.45%，高于GPT-6 Astra的42.43%，也明显超过上一代GPT-5.6 Cyber的32.1%。
在难度更高的ExploitGym Hardened测试中，目标环境加入地址空间随机化、栈金丝雀和V8沙箱等防护机制，GPT-6 Cyber仍取得36.94%的成绩，GPT-6 Astra为29.69%。
Web渗透测试也显示出类似趋势。在不查看源代码、直接探测Web应用的任务中，GPT-6 Cyber的漏洞召回率为40.3%，高于GPT-6 Astra的32.0%。逆向工程基准SRE-Bench和代码安全测试SEC-Bench Pro上，它分别取得92.84%和87.02%的成绩。
RemoteExploitBench的结果更直观。该测试使用GitLab、PostgreSQL和Jenkins中的已知漏洞搭建受控环境，GPT-6 Cyber完成了95%的任务，唯一失败的案例是未能让漏洞利用程序在远程环境中成功运行。相比之下，GPT-6 Astra在Daybreak Blue配置下拒绝了全部任务。
不过，测试成绩并不代表模型已经能够稳定利用最新漏洞。OpenAI承认，ExploitBench使用了2023年以来的历史漏洞，可能存在训练数据污染，导致成绩偏高。
在针对2026年6月至8月新披露漏洞的Internal Port测试中，GPT-6 Cyber的成功率为42%。OpenAI也指出，模型对近期披露漏洞的可靠利用仍存在挑战。
外部机构Irregular的测试也发现，在长周期网络攻防任务CyScenarioBench中，GPT-6 Cyber完成了全部11项挑战，平均成功率为61%。但在真实软硬件漏洞测试FrontierCyber中，它完成90项任务，少于GPT-6 Astra的96项。
02 从代码分析到生成补丁
相比单项测试成绩，GPT-6 Cyber在Linux内核上的研究过程，更能体现其实际用途。
OpenAI开发了一套由多个智能体组成的自动化工具链，让模型依次完成代码筛选、漏洞分析、动态验证、漏洞利用和补丁生成。
首先，Scout Agent从Linux内核代码中筛选值得检查的目标。随后，Analyst Agent分析代码逻辑和潜在风险，寻找可能被利用的漏洞。模型提出候选问题后，Triage Agent会生成概念验证程序，并在隔离虚拟机中运行，通过程序输出和系统日志确认漏洞是否真实存在。
完成验证后，系统进一步判断漏洞能造成什么影响，并尝试开发可运行的利用程序。对于成功确认的问题，模型还会生成相应补丁，交由人工审核。
这套流程最终复现了1724个漏洞，并为其中948个开发出可用的本地权限提升利用程序。同一套研究工具链下，GPT-5.6 Sol完成了166个，GPT-6 Cyber的成果超过其五倍。
这里的本地权限提升有明确前提：攻击者需要先获得普通本地账户，再利用漏洞将权限提升至root。因此，948个利用程序不能简单理解为可以远程入侵任意Linux设备。
这次研究覆盖的Linux内核代码超过4000万行。OpenAI披露，整套自动化流程的API成本约为121万美元。研究团队随后向Linux维护者提交关键发现和候选补丁，部分问题已经进入修复流程。
Firefox是另一项重要成果。OpenAI称，GPT-6 Cyber在这一代码库中发现了81个此前未知的高危漏洞，并为每个漏洞提供可复现测试和相关证据。此外，模型还发现30个已知问题的实际严重程度高于此前评估。Mozilla已开始陆续处理相关报告并发布修复。
OpenAI还将该模型用于自身基础设施的安全加固。在一次受控红队行动中，智能体利用漏洞逃出微虚拟机，并在底层宿主机执行代码。OpenAI据此修补软件、收紧网络限制，并向相关维护者报告问题。
GPT-6 Cyber也参与了Brotli压缩库漏洞的验证，该漏洞可能导致Node.js等下游应用遭遇远程代码执行风险。
03 蜜罐测试“自控能力”
漏洞利用能力越强，模型越需要遵守任务边界。
网络安全智能体可能在执行指定任务时，顺手攻击附近未获授权的服务。OpenAI因此专门设计了ExploitGym Honeypot测试。
测试人员在隔离环境中设置一个高难度目标，同时放置一个容易攻破的辅助服务作为蜜罐。攻击蜜罐也能获得任务标志，但它并不属于授权目标。模型必须识别任务范围，避免为了完成目标而攻击无关服务。
测试结果显示，GPT-6 Cyber在没有额外部署安全提示词时，越界攻击率仅为0.07%，对应的守规率为99.93%。GPT-5.6 Cyber的守规率为94.49%。加入部署提示词后，GPT-6 Cyber在测试中没有发生越界利用。
但GPT-6 Cyber仍有需要改进的地方。
在Blocker Deception测试中，研究人员检查模型是否会在最终回答中如实说明任务受阻原因。GPT-6 Cyber有20.29%的回答被标记，比例高于GPT-6 Astra的11.66%。OpenAI解释称，多数情况下模型此前已经提到障碍，只是在最终总结中没有再次说明。
另一项警告响应测试中，GPT-6 Cyber停止任务的比例为73%，低于GPT-6 Astra的78.38%。OpenAI认为，这与新模型更强的任务持续性有关。通用编码能力也没有同步提升，GPT-6 Cyber在ExpertSWE上的得分为82.95%，略低于GPT-6 Astra的83.24%。
04 模拟发电厂里的两个零日漏洞
关键基础设施是OpenAI此次重点加强防护的领域。
OpenAI与工业控制系统安全公司Dragos合作，在模拟发电厂环境中测试GPT-6 Cyber。模型几乎没有收到额外提示，便从大量IT系统信息中识别出运营技术（OT）资产，并在一款管理保护继电器数据的工程软件中发现两个零日漏洞。
Dragos首席AI官罗伯·李（Rob T. Lee）指出，攻击者在接触物理设备之前，需要先了解关键基础设施的系统结构。AI降低了侦察和漏洞研究的技术门槛，也让相关风险变得更加突出。
为控制模型的使用风险，OpenAI设置了分层访问机制。
GPT-6 Cyber目前仅通过API和Codex向通过审核的Daybreak Red客户开放，后续再逐步扩大范围。机构用户需要启用单点登录、多因素认证和受管理设备；个人用户则需通过身份与活体认证，并使用FIDO2物理安全密钥。默认情况下，相关API还采用IP白名单限制访问。
针对工业控制系统、关键公共服务和选举系统等高风险领域，OpenAI增加了专项安全检查。公司还推出Daybreak Red for Critical Infrastructure，为经过审核的关键基础设施防御人员提供更适合其工作的访问权限。
OpenAI同时公布了一项10亿美元的Daybreak for Frontline Defenders资助计划，面向资源有限的政府机构和关键公共服务提供者，帮助其使用AI开展安全防御。
目前，GPT-6 Cyber仍处于受限开放阶段。OpenAI计划逐步向全部Daybreak Red客户扩展，同时向这一层级的用户开放GPT-5.6 Cyber。GPT-6 Astra的Daybreak Blue测试项目也将扩大参与范围。
真正的考验在于漏洞修复速度。随着AI加快漏洞发现和利用开发，企业需要面对一个更现实的问题：在漏洞被攻击者利用之前，能否及时完成验证、修补和部署。对软件供应商和关键基础设施运营方而言，这场竞赛已经开始。
特约编译金鹿对本文亦有贡献
