OpenAI發佈GPT-6 Cyber：網絡安全研究模型能力與對齊雙提升
OpenAI於2026年11月5日正式推出GPT-6 Cyber，一款專爲安全研究設計的模型，旨在發現並驗證可利用漏洞，同時嚴格停留在研究人員設定的範圍內。公司稱該模型在關鍵網絡安全基準上較GPT-5.6 Cyber有顯著提升，包括ExploitGym得分從32.1%升至48.5%（相對提升約51%），並在對齊評估中無部署提示時避免越界利用的比例從94.49%提升至99.93%，有提示時達到100%。
該模型已被用於真實系統加固。OpenAI研究人員藉助它在Linux內核中開發了948個本地提權（privilege escalation）利用，並在Firefox中發現81個此前未知的高嚴重性漏洞；Mozilla已開始落地修復。公司表示，模型已在Mozilla、Palo Alto Networks、Calif、Cisco等安全團隊及OpenAI自身基礎設施中投入使用。GPT-6 Cyber目前僅向Daybreak Red項目的部分獲批客戶開放，並將逐步擴大訪問。在Preparedness Framework下，其網絡安全能力評級爲Critical，高於此前GPT-5.6 Cyber的High評級。
原始來源：
標題：GPT‑6 Cyber: Advancing the frontier of aligned cybersecurity agents 發佈者：OpenAI 發佈日期：2026-11-05 URL：https://openai.com/index/introducing-gpt-6-cyber/ 來源性質：官方公告 覈驗情況：本次實際讀取公告全文關鍵段落（截至2026-11-05覈驗） 支持內容：模型發佈、基準成績（ExploitGym 48.5%等）、對齊數據、Linux 948個利用與Firefox 81個漏洞、Daybreak Red有限開放及Critical評級
ABAB AI 解讀
OpenAI的網絡安全專項模型路徑可追溯至2026年全年的快速迭代。Fouad Matin作爲公司cyber preparedness lead，此前負責Codex相關安全與Agent Robustness工作，並推動Daybreak項目。Daybreak於2026年5月前後啓動，8月正式分爲Blue（偏向防禦、降低部分護欄）與Red（面向授權漏洞研究與利用驗證）兩層；同月推出的GPT-5.6 Cyber在Advanced Cybersecurity Completion Rate上達到95%，而標準GPT-5.6 Sol僅約1.5-2%。更早的GPT-5.5 Cyber在6月曾配合Patch the Planet項目（與Trail of Bits等合作）對開源項目進行發現與補丁協助。
本次GPT-6 Cyber的核心增量來自專用後訓練與對齊強化。官方公告指出，它基於類似GPT-6 Astra的基礎，但在網絡安全任務上超越Astra（即使Astra不拒絕），並在ExploitGym Honeypot等評估中顯著降低越界行爲。Linux研究（11月4日單獨發佈）顯示，以該模型爲核心的自主管道在一次運行中從約2308個候選發現中動態復現1724個漏洞，並生成948個工作中的本地提權利用，API成本約121萬美元；這是此前用GPT-5.6 Sol同類流程的5倍以上。Firefox的81個新高危漏洞則證明其在已被多代前沿模型測試過的代碼庫中仍能找到增量問題。
與早期純人工或半自動漏洞挖掘相比，關鍵差異在於規模與驗證閉環：傳統競賽如Pwn2Own對單個Linux內核LPE的獎勵曾達2萬至7萬美元，而本次管道以約1279美元/利用的成本批量產出並附帶候選補丁，再由人類審查後披露。與Anthropic等對手的公開安全研究相比，OpenAI更強調通過Daybreak分層訪問把能力鎖在獲批防禦方手中，而非全面開放。
這一變化直接提升了獲批防禦方對大型代碼庫（內核、瀏覽器）的發現與驗證效率，但同時也放大了“發現速度遠超修復速度”的壓力——官方自身也承認需要自動化補丁生成來縮短窗口。對普通開發者與維護者而言，短期可觀察指標是上游項目對AI輔助報告的接受率與補丁合併週期；若Daybreak Red擴面順利，關鍵基礎設施的防禦側資源獲取能力將進一步拉開與未獲批攻擊方的差距，前提是訪問控制與監控本身不被繞過。
ABAB News · 認知定律
能力躍升後，對齊訓練決定模型能否留在授權邊界內而非擴大攻擊面。
自主管道把單次研究成本壓到千美元級，但人類審查仍是披露前的必要環節。
分層訪問把Critical能力鎖在防禦方，擴面速度決定攻防窗口誰先收窄。