您的位置首页 >科技要闻 >

OpenAI发布最强网络安全大模型GPT-6 Cyber,漏洞挖掘能力跃升五倍

我先核实这条 OpenAI 网络安全模型发布消息的真实性和具体参数。

GPT-6 Cyber 发布:网络安全大模型把 Linux 漏洞利用做到 5.7 倍

先说清最关键的一点:美西时间 11 月 5 日,OpenAI 正式发布专用网络安全模型 GPT-6 Cyber。它是 GPT-6 Astra 的网络专用变体,能自主发现漏洞、验证漏洞是否真的可利用,并协助写出修复补丁。 标题里说的 “五倍”,准确参照是 Linux 内核实战:在相同研究框架下,它复现 1724 个漏洞、为 948 个开发出可运行漏洞利用,而上一代 GPT-5.6 Sol 只有 166 个 ——948÷166≈5.7 倍。而基准测试口径的提升是另一回事:ExploitGym 成功率从 32.1% 升到 48.5%,相对提升约 51%。两套数字不能混用。更值得注意的是,OpenAI 在自家 Preparedness Framework 里,把它的网络安全能力从上一代的 High 上调到 Critical(最高档),同时给它加了身份核验、分级授权、持续监控三道限制 ——能力越强,能使用它的人反而越少。

一、先把 “五倍” 校准:三个数字,三种含义

说法具体数字参照对象准确表述
漏洞利用 “五倍”948 个可运行利用GPT-5.6 Sol 的 166 个5.7 倍,限 Linux 内核、同一研究框架
基准能力提升ExploitGym 48.5%GPT-5.6 Cyber 32.1%相对提升约 51%,绝对 +16.4 个百分点
漏洞挖掘召回Web 渗透 40.3%GPT-6 Astra 32.0%+8.3 个百分点,无源码条件

“五倍” 来自工程成果数量,并非模型能力的通用倍数。这个区分很重要,因为它决定了这项能力能否复用到你手上的代码库。

二、官方基准成绩:一个专用模型超过自家通用旗舰

评测测什么GPT-6 Cyber对照
ExploitGym对远程目标利用指定漏洞48.5%GPT-5.6 Cyber 32.1%;GPT-6 Astra 42.4%
ExploitGym Hardened开启 ASLR、栈保护、V8 沙箱等加固36.94%GPT-6 Astra 29.69%
Web Pentesting无源码、纯交互找漏洞召回 40.3%GPT-6 Astra 32.0%
RemoteExploitBenchGitLab/PostgreSQL/Jenkins 已知漏洞完成 95%Astra(Daybreak Blue)拒绝 100%
ExploitBench把已知漏洞做到任意代码执行100%(归一化)GPT-5.6 Sol 78.5%
SRE-Bench二进制逆向、无源码理解逻辑pass@1 92.84%GPT-6 Astra 87.98%
SEC-Bench Pro大型 JS 引擎找漏洞pass@1 87.02%GPT-6 Astra 85.38%

两个细节值得记住:

  • 它比通用旗舰更会挖洞,即便通用旗舰不拒绝任务。 官方明确写了这一点,说明提升来自专项后训练,并非仅仅放开了限制。
  • 加固之后能力下滑明显。 ExploitGym Hardened 上从 48.5% 掉到 36.94%,说明真实世界的防护措施仍然有效。

三、实战战果:从 “能找” 到 “能找到没人发现的”

这部分比榜单更有说服力,因为它跑在有多年安全审查历史的真实代码库上。

项目成果后续
Linux 内核复现 1724 个漏洞,948 个开发出可运行利用(提权类)按社区规范披露 304 项关键发现,附候选补丁
Firefox发现 81 个此前未知的高危漏洞;另指出 30 个已知问题严重性被低估Mozilla 认可并陆续发布修复,覆盖数百万用户
Brotli 压缩库与其它模型协同验证关键漏洞可致下游远程代码执行已披露给维护方
OpenAI 自家基础设施红队中 agent 组合多个漏洞,逃逸 microVM 并在宿主机执行代码据此修补软件、收紧网络访问

Mozilla 的 Firefox 杰出工程师 Brian Grinstead 的评价很直接:即使经过多代前沿模型加固,这个模型仍然挖出了未知的高危漏洞,并帮助团队把修复推送给数百万用户。Cognition 的 CTO 则给出另一组数据:在其内部 “新颖漏洞发现与利用” 基准上,GPT-6 Cyber 拿到 23%,此前最好成绩是 13%。

四、为什么专用模型能跑赢通用旗舰

原因不在 “更聪明”,在训练目标和任务形态。

  1. 后训练专项化。 官方用强化学习专门训练复现崩溃、开发可运行利用、在大代码库里搜漏洞这几类任务,模型学会了换策略、识别自己的错误。
  2. 降低授权范围内的拒绝率。 系统卡显示,它在通用安全协助与补丁任务上完成率 100%,漏洞利用开发 96%,红队任务 97%—— 过去模型常在这类 “双用途” 请求上反复拒绝,长任务因此中断。
  3. 长任务续航。 外部评估机构 Irregular 在 CyScenarioBench(长周期攻击任务)上给出的结果是 11/11 全部至少解出一次,平均成功率 61%,比 Astra 高 7 个百分点。
  4. 会写 “能落地” 的产出。 不只是报漏洞,还给可复现测试证据与候选补丁,这恰恰是安全团队最耗人力的环节。

五、能力上到 Critical,限制也同步加厚

OpenAI 这次的做法,是把 “放开能力” 和 “收紧准入” 绑在一起。

层次具体措施
准入门槛首批仅通过 API 与 Codex 开放给经批准的 Daybreak Red 客户;核验身份、资质、法律承诺
行为约束专项对齐训练,要求遵守授权范围;ExploitGym 蜜罐测试中,无部署提示时 99.93% 未越界(上一代 94.49%),加提示后 100%
滥用监测网络安全专项失准监控;针对 PHP 等真实服务器的定向监控;Zero Data Retention 客户一般须启用私有安全处理(PSP),加密记录留存 30 天
账号安全Daybreak Red API 默认要求 IP 白名单,监测凭证是否泄露
关键基础设施新增 Daybreak Red for Critical Infrastructure;设 10 亿美元 Daybreak for Frontline Defenders 资助计划,补贴政府与关键服务团队
其他风险隔离所有用户强制启用保守的生物安全模式,避免网络专项训练外溢

与 Dragos 的合作测试提供了一个直观样本:在几乎不给环境信息的模拟电厂里,模型自己把 OT(工业控制)资产从 IT 噪声里分离出来,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 —— 这类信息正是攻击者动手前最想要的 “地图”。

六、代价与没做到的事,也要写清

  • 贵。 短上下文模式下每百万 Token 输入 20 美元、输出 100 美元,均为 GPT-5.6 Sol 的 5 倍;缓存读 2 美元,缓存写 30 分钟 25 美元、12 小时 50 美元。
  • 并非全面领先。 外部评估中,FrontierCyber 上它解出 90/288,Astra 是 96/288;15 道最高难度题两者都没解出;对完全加固的目标未观察到成功攻击。
  • 首轮只服务 “被批准的防御者”。 独立研究者与开源维护者能否及时拿到,取决于 Daybreak 扩围与资助落地速度,这也是这套模式最大的公平性变量。

七、结论:真正的分水岭是 “谁能用上”

GPT-6 Cyber 把网络安全模型从 “能聊安全” 推进到 “能跑完一条完整研究流水线”:找漏洞、验证可利用性、写出可运行利用、给候选补丁。五倍的实战产出、51% 的基准提升,都是这条流水线跑通的证据。但它同时说明另一件事:当攻击能力可以被模型规模化生产,防御端的门槛就不再是 “有没有工具”,而是 “能不能被授权使用工具”。 对安全团队来说,接下来该做的不是等模型更强,而是先把三件事准备好 —— 可授权范围的清单、隔离沙箱与人工复核闸门、以及能消化大量候选漏洞的修复流水线。

【常见问题】

问题 1:GPT-6 Cyber 的漏洞挖掘能力真的跃升五倍吗,这个数字怎么来的?

回答 1:五倍指的是 Linux 内核实战中的可运行漏洞利用数量:GPT-6 Cyber 复现 1724 个漏洞并为 948 个写出可运行利用,上一代 GPT-5.6 Sol 在同一研究框架下是 166 个,948÷166≈5.7 倍。这是特定项目、特定框架下的工程成果倍数,不等于 GPT-6 Cyber 的通用漏洞挖掘能力提升五倍;同一代之间的基准对比是 ExploitGym 从 32.1% 到 48.5%,相对提升约 51%。看这类数字,先分清 “成果数量倍数” 和 “基准成功率提升”。

问题 2:GPT-6 Cyber 作为网络安全大模型,和通用旗舰 GPT-6 Astra 差在哪?

回答 2:GPT-6 Cyber 是 GPT-6 Astra 的网络专用变体,差别在后训练目标:它专门用强化学习训练复现崩溃、开发可运行利用、在大代码库搜漏洞,并降低授权范围内的拒绝率,因此能跑完长周期的漏洞研究任务。结果是它在多数网络任务上超过 Astra,即便 Astra 不拒绝请求;例如 ExploitGym 48.5% 对 42.4%,RemoteExploitBench 完成 95% 而 Astra 拒绝 100%。但代价是价格更高,且只在网络安全领域专项增强。

问题 3:GPT-6 Cyber 被评到 Critical,会不会让漏洞挖掘能力被滥用?

回答 3:OpenAI 的应对是把准入和监控一起收紧:只对经批准的 Daybreak Red 客户开放,核验身份与资质;训练模型遵守授权范围,蜜罐测试中加部署提示后 100% 未越界;配套专项失准监控、IP 白名单、凭证泄露监测与 PSP 安全处理;涉及工业控制、关键基础设施的高风险请求另有拦截。但风险并未归零 —— 能力扩散的方向不可逆,真正的防线仍是使用方的沙箱、范围限定与人工复核。

问题 4:企业想用 GPT-6 Cyber 做漏洞挖掘,需要先准备什么?

回答 4:三件事优先级最高。第一,明确授权范围:列出可测系统、可用凭证、可执行动作,避免模型在边界外探索。第二,隔离环境:在无生产网访问的沙箱里跑,开自动审查与人工复核闸门,高风险流程留人工接管。第三,修复流水线:模型一次能产出数百个候选漏洞与补丁,团队要有分诊、复现、验证、上线的吞吐能力,否则成果会堆在报告里。成本也要算清:输出侧每百万 Token 100 美元,是上一代的 5 倍。

【数据来源】

  • [2026-11-06](GPT-6 Cyber 正式发布,AI 最强的矛也成了最强的盾)爱范儿(腾讯新闻)
  • [2026-11-06](GPT‑6 Cyber: Advancing the frontier of aligned cybersecurity agents)OpenAI
  • [2026-11-06](GPT-6 Cyber System Card)OpenAI
  • [2026-11-03](GPT-6 Astra: A new generation of intelligence)OpenAI
  • [2026-08-10](Expanding Daybreak as the Cyber Defense Window Narrows)OpenAI

【免责声明】

本文依据 OpenAI 官方发布博客、GPT-6 Cyber 系统卡、GPT-6 Astra 发布页及爱范儿等公开报道整理,仅用于 AI 安全能力与产业趋势讨论,不构成对任何产品、服务的安全承诺或采购建议。文中基准分数、实战漏洞数量、定价与准入政策均来自 OpenAI 公开披露,可能随版本更新调整;ExploitGym、ExploitBench 等评测存在历史漏洞污染风险,官方亦已提示,分数不等于通用能力排名。漏洞挖掘与利用测试仅应在获得明确授权的环境中进行,任何未经授权测试他人系统的行为均可能违法。请以 OpenAI 官方文档与系统卡最新版本为准。

今日大家都在搜的词: