OpenAI发布GPT-6 Cyber：网络安全研究模型能力与对齐双提升
OpenAI于2026年11月5日正式推出GPT-6 Cyber，一款专为安全研究设计的模型，旨在发现并验证可利用漏洞，同时严格停留在研究人员设定的范围内。公司称该模型在关键网络安全基准上较GPT-5.6 Cyber有显著提升，包括ExploitGym得分从32.1%升至48.5%（相对提升约51%），并在对齐评估中无部署提示时避免越界利用的比例从94.49%提升至99.93%，有提示时达到100%。
该模型已被用于真实系统加固。OpenAI研究人员借助它在Linux内核中开发了948个本地提权（privilege escalation）利用，并在Firefox中发现81个此前未知的高严重性漏洞；Mozilla已开始落地修复。公司表示，模型已在Mozilla、Palo Alto Networks、Calif、Cisco等安全团队及OpenAI自身基础设施中投入使用。GPT-6 Cyber目前仅向Daybreak Red项目的部分获批客户开放，并将逐步扩大访问。在Preparedness Framework下，其网络安全能力评级为Critical，高于此前GPT-5.6 Cyber的High评级。
原始来源：
标题：GPT‑6 Cyber: Advancing the frontier of aligned cybersecurity agents 发布者：OpenAI 发布日期：2026-11-05 URL：https://openai.com/index/introducing-gpt-6-cyber/ 来源性质：官方公告 核验情况：本次实际读取公告全文关键段落（截至2026-11-05核验） 支持内容：模型发布、基准成绩（ExploitGym 48.5%等）、对齐数据、Linux 948个利用与Firefox 81个漏洞、Daybreak Red有限开放及Critical评级
ABAB AI 解读
OpenAI的网络安全专项模型路径可追溯至2026年全年的快速迭代。Fouad Matin作为公司cyber preparedness lead，此前负责Codex相关安全与Agent Robustness工作，并推动Daybreak项目。Daybreak于2026年5月前后启动，8月正式分为Blue（偏向防御、降低部分护栏）与Red（面向授权漏洞研究与利用验证）两层；同月推出的GPT-5.6 Cyber在Advanced Cybersecurity Completion Rate上达到95%，而标准GPT-5.6 Sol仅约1.5-2%。更早的GPT-5.5 Cyber在6月曾配合Patch the Planet项目（与Trail of Bits等合作）对开源项目进行发现与补丁协助。
本次GPT-6 Cyber的核心增量来自专用后训练与对齐强化。官方公告指出，它基于类似GPT-6 Astra的基础，但在网络安全任务上超越Astra（即使Astra不拒绝），并在ExploitGym Honeypot等评估中显著降低越界行为。Linux研究（11月4日单独发布）显示，以该模型为核心的自主管道在一次运行中从约2308个候选发现中动态复现1724个漏洞，并生成948个工作中的本地提权利用，API成本约121万美元；这是此前用GPT-5.6 Sol同类流程的5倍以上。Firefox的81个新高危漏洞则证明其在已被多代前沿模型测试过的代码库中仍能找到增量问题。
与早期纯人工或半自动漏洞挖掘相比，关键差异在于规模与验证闭环：传统竞赛如Pwn2Own对单个Linux内核LPE的奖励曾达2万至7万美元，而本次管道以约1279美元/利用的成本批量产出并附带候选补丁，再由人类审查后披露。与Anthropic等对手的公开安全研究相比，OpenAI更强调通过Daybreak分层访问把能力锁在获批防御方手中，而非全面开放。
这一变化直接提升了获批防御方对大型代码库（内核、浏览器）的发现与验证效率，但同时也放大了“发现速度远超修复速度”的压力——官方自身也承认需要自动化补丁生成来缩短窗口。对普通开发者与维护者而言，短期可观察指标是上游项目对AI辅助报告的接受率与补丁合并周期；若Daybreak Red扩面顺利，关键基础设施的防御侧资源获取能力将进一步拉开与未获批攻击方的差距，前提是访问控制与监控本身不被绕过。
ABAB News · 认知定律
能力跃升后，对齐训练决定模型能否留在授权边界内而非扩大攻击面。
自主管道把单次研究成本压到千美元级，但人类审查仍是披露前的必要环节。
分层访问把Critical能力锁在防御方，扩面速度决定攻防窗口谁先收窄。