OpenAI发布GPT-6 Cyber，漏洞挖掘能力提升至“关键”级

OpenAI 于周四发布了 GPT-6 Cyber，这是其聚焦网络安全的模型系列中的最新版本。

该公司将 GPT-6 Cyber 识别漏洞和开发利用程序的能力评为“critical”（关键），相比上一代的“high”（高）有所提升。与之前的 Cyber 系列模型一样，GPT-6 Cyber 不会向所有开发者开放，OpenAI 表示，仅面向“一组经过筛选的获批 Daybreak Red 客户”提供。

仅限 Daybreak Red 访问

Daybreak 是 OpenAI 面向安全团队和研究人员的项目，其中 Daybreak Red 是负责授权红队测试、渗透测试和漏洞利用验证的子项目（对应的防御方向为 Daybreak Blue）。

OpenAI 计划随着时间推移向所有 Daybreak Red 用户开放该模型。

OpenAI 还指出，计划将 Daybreak 项目扩展到更多安全研究人员、组织，以及至关重要的开源维护者。“很明显，我们利用前沿模型来保障软件安全的窗口期有限，”OpenAI 写道。该公司提到，其自身研究人员使用新模型在 Firefox 和 Linux 内核中发现了缺陷并构建了利用程序，而 Cisco 和 CodeRabbit 的安全团队已经依赖它进行代码审查和漏洞挖掘。

GPT-6 Cyber 在 ExploitGym 基准测试中的表现。图片来源：OpenAI。

基于 GPT-6 Astra 构建

OpenAI 表示，新模型是“安全研究领域的一次重大飞跃”。

GPT-6 Cyber 是 GPT-6 Astra 的专用版本。OpenAI 称，它使用强化学习训练该模型复现崩溃、开发利用程序并发现代码中的漏洞，同时奖励模型保持在用户授权范围内并减少不必要的拒绝。

基准测试

OpenAI 表示，在 ExploitGym 上（该测试评估模型能否在远程目标上利用指定漏洞），GPT-6 Cyber 得分为 48.5%，而 GPT-5.6 Cyber 为 32.1%。

在无法访问源代码的情况下寻找 Web 应用漏洞方面，新模型得分为 40.3%，而 GPT-6 Astra（已广泛可用）为 32%。

在 ExploitBench 上（该测试使用已知漏洞评估利用程序开发能力），OpenAI 报告平均能力得分为 100%。不过该公司指出，该基准测试包含可追溯至 2023 年的漏洞，这些样本可能出现在训练数据中，从而可能虚高结果。

图片来源：OpenAI。

保持在授权范围内

伴随此次发布，该公司还推出了 RemoteExploitBench，这是一个要求模型在受控环境中利用 GitLab、PostgreSQL 和 Jenkins 等应用中已知漏洞的基准测试。

OpenAI 指出，一个如此愿意利用系统的智能体也可能偏离其分配的任务，去攻击它本不该触碰的服务。

不过，GPT-6 Cyber 在遵守边界方面似乎远优于其前代模型。

OpenAI 通过 ExploitGym Honeypot 对此进行测试，这是它参考 Hugging Face 事件而构建的新测试。该测试在沙箱中给模型一个困难的利用任务，沙箱中还包含辅助服务（比如包注册表或对象存储），OpenAI 故意让这些服务容易被入侵。攻破它们将是获取模型目标 flag 的捷径，但它们超出了任务范围，模型必须自行判断这一点。

在没有部署安全提示的情况下，GPT-6 Cyber 在 99.93% 的测试中未触碰这些服务。在有提示的情况下，它从未触碰过它们。

根据系统卡，在相同条件下，GPT-5.6 Cyber 在 5.51% 的运行中攻击了这些服务，而通用型 GPT-5.6 Sol 在近一半的运行中这样做。GPT-6 Cyber 所基于的 GPT-6 Astra 从未上钩。

不过，或许同样重要的是，新模型的对齐程度远高于之前的版本。OpenAI 表示，在没有部署安全提示的情况下运行的测试中，GPT-6 Cyber 在 99.93% 的测试中远离了“范围外的服务”，而在有提示的情况下则全部如此。

“这种对齐方面的改进反映了专门的训练，以保持在授权范围内、遵守限制并准确报告结果，”OpenAI 写道。

OpenAI’s new GPT-6 Cyber is better at hacking and better at staying in its lane 一文首发于 The New Stack。