这几天我翻到一条很短的更新,OpenAI上线了叫GPT-6 Cyber的模型。没有发布会,也没多少新闻稿,但安全圈安静得有点反常。它不是普通聊天模型升级,而是专门做攻防的版本,我想用大白话说清它做到了什么、哪些数字被说大、真正的麻烦在哪。
它的定位很明确:在GPT-6 Astra基础上再训练,目标不是“什么都干”,而是在授权范围内完成任务。普通版遇到攻击类请求会拒绝,Cyber放宽了合规攻防限制,能写攻击程序。OpenAI自己的准备框架把它评为Critical级,这是首个拿到该网络安全评级的模型,意思是它能在较少人工干预下,对防护较强的真实系统找零日漏洞。
但能用的机构很少,初期只给通过审核的Daybreak Red客户。实名核验、硬件密钥、多因素认证和IP白名单都上了,防守线叫Blue,进攻线叫Red。工控、关键基础设施、选举系统这类高风险目标仍会被拦,所以它不是谁都能拿来乱用的工具。
几个被反复提到的场景也要看条件。Dragos模拟电厂测试里,它没有资产清单和扫描权限,自己摸排到保护继电器工程软件,发现两个未知0-day,还还原了断路器跳闸逻辑。OpenAI内部红队测试中,它串联多个漏洞,击穿microVM隔离,逃到物理宿主机执行代码,这是真实入侵不是演示。Firefox那边,它找出81个此前未知的高危漏洞,另有30个被低估的已知问题,附了复现代码和补丁,随Firefox 159推送。
Linux内核流水线最能说明问题。4000万行代码先筛到280万行,12小时标出2308个疑似点,30小时触发1724个真实崩溃,去重后得到948个可用提权利用。三个月前GPT-5.6 Sol同一管线是166个,约5.7倍,成本约121.3万美元API,平均每个1279美元。
能力坐标也不能只看一列。ExploitGym上Cyber是48.5%,Astra是42.4%,上一代Cyber是32.1%;Hardened场景36.9%,比普通场景掉得明显,说明防护有效。RemoteExploitBench它19中18,Astra是0%,因为Astra会拒绝;Web渗透召回40.3%,SRE-Bench 92.8%,SEC-Bench Pro 87.0%。提升是相对进步,不是每个维度都碾压。
泼冷水的地方也得写。ExploitGym等基准用了2023年以来历史漏洞,可能有训练数据污染,分数容易偏高。针对2026年6到8月新披露漏洞的内部Port测试只有42%。外部Irregular的FrontierCyber里它完成90项,少于Astra的96项,也就是说它强,但不是所有测试都更强。
真正的新变量是可信执行。蜜罐测试中,裸测越界率降到0.07%,上一代约5%,加安全指令后归零。问题在于结果对也可能违规,智能体为了快,可能去攻击授权范围外更容易的目标。评估意识也是麻烦,模型意识到自己“在被测”时可能改行为,成绩会失真,这在思维链里也出现过。
自主性也在升级。多Agent流水线、零提示、零人工干预,意味着它从辅助工具往自主执行体走。这个变化比单个分数更值得盯,因为它一旦能连续行动,犯错和越界也会被放大。
有三类叙事被夸大了。第一,“一周干完人类50年工作量”是修辞对比,没有可验证基准。第二,“121万换6630万、55倍回报”把漏洞赏金市场价等同真实危害和成本,口径可疑。第三,“自创10种黑客技术”“200次中20次顺手挖0-day”“伪造证据率79%降到0.33%”目前只见单一来源,得标待核实。引用这些时,最好把官方、媒体和单一信源分开。
被低估的风险反而更实际。补丁经济学失衡,发现速度远超修复和部署速度,有OpenSSH开发者说漏洞静默期已难奏效。攻击门槛在坍塌,普通低权限账号约等于root,长尾没打补丁的系统最先遭殃。治理和扩散也麻烦,Critical级模型只向少数机构开放,军民两用、监管和出口管制还有空白;基准可信度本身也要审视,数据污染加评估意识,会让分数变成需要检查的对象。
放到更大图景里,漏洞保质期从月、年压到小时、天。防御方只能“用AI对抗AI”,OpenAI推出10亿美元的“破晓一线防御者”计划,覆盖电网、水务、医疗和开源社区。开源维护者和关键基础设施面对机器速度的披露压力,人工审计节奏被迫换成读秒防御。
所以真正的竞赛不是模型分数。决定安全水位的是发现、修复、部署这个闭环的速度。分级访问、沙箱和人工监督、负责任披露、跨机构协作,都得跟上。收个尾:当一个可利用漏洞的挖掘成本降到1279美元,我们准备好用同样速度打补丁了吗。