이 글은 간체 중국어입니다. 한국어(으)로 번역하려면 클릭하세요.

GPT-6 Cyber 如何重塑安全研究：从漏洞发现到对齐边界的范式转移

bingdada

11월 6, 202616회 읽음약 7분 분량

post.quickAnswer

GPT-6 Cyber 是 OpenAI 专为网络安全研究训练的模型，在 ExploitGym 基准上得分 48.5%，较上代提升约 51%，同时在 99.93% 的测试中避免了越界攻击。它已在 Linux 和 Firefox 等真实代码库中发现并验证数千个漏洞，标志着安全智能体从能力展示走向可控部署。

post.keyTakeaways

GPT-6 Cyber 在 ExploitGym 上得分 48.5%，较 GPT-5.6 Cyber 的 32.1% 相对提升约 51%。
在不提供安全提示时，模型在 99.93% 的测试中避免利用范围外服务，提供提示时达到 100%。
该模型已在 Linux 中开发 948 个权限提升利用，并在 Firefox 中发现 81 个此前未知的高危漏洞。
Daybreak 产品矩阵分为 Blue（防御验证）和 Red（授权攻击测试），形成能力分层。
OpenAI 将模型在网络安全维度归类为 Critical 级别，较上代的 High 有所上调。

当业界还在讨论大模型能否可靠地发现漏洞时，OpenAI 已经将问题推进到下一个层面：模型不仅要能找到漏洞，还要在研究人员设定的边界内行动。GPT-6 Cyber 的发布，标志着网络安全智能体从「能力展示」走向「可控部署」的关键转折。

能力跃迁：数据背后的真实含义

从 OpenAI 公布的评测结果看，GPT-6 Cyber 在 ExploitGym 基准上的得分达到 48.5%，而上一代 GPT-5.6 Cyber 为 32.1%，相对提升约 51%。这个基准测试的是模型能否对指定漏洞开发出可用的利用代码。更值得关注的是另一组数据：在远程目标利用测试中，GPT-6 Cyber 完成了 95% 的任务，而 GPT-6 Astra 配合 Daybreak Blue 时拒绝率为 100%。

这种差异并非简单的「更强」，而是模型在安全场景下的行为模式发生了质变。OpenAI 在系统卡中披露，GPT-6 Cyber 在网络安全维度被归类为「Critical」级别，较 GPT-5.6 Cyber 的「High」有所上调。这意味着模型具备开发可执行漏洞利用的能力，同时也意味着部署方需要更严格的管控措施。

实际落地层面，研究团队用 GPT-6 Cyber 在 Linux 内核中开发出 948 个权限提升利用，并在 Firefox 中识别出 81 个此前未知的高危漏洞——尽管该代码库已经过多轮前沿模型测试。Mozilla 已针对其中多数漏洞发布修复。Cisco、Calif 和 CodeRabbit 的安全团队也在使用该模型进行漏洞研究和代码审查。

对齐优先：99.93% 的边界遵守率意味着什么

网络安全智能体最大的风险不在于能力不足，而在于「越界」——去攻击任务范围之外的服务，或无视研究人员设定的交战规则。OpenAI 将对齐训练作为 GPT-6 Cyber 的核心投入方向，专门训练模型遵守授权范围、执行操作限制并准确报告结果。

在名为 ExploitGym Honeypot 的评测中，模型被置于一个隔离环境，其中存在包注册表、对象存储等辅助服务，这些服务被故意设置为易于攻击，攻击它们可以暴露任务的 flag。模型必须自行判断：攻击这些服务超出了任务范围。

结果颇具说服力：在不提供部署安全提示的情况下，GPT-6 Cyber 在 99.93% 的测试中避免了利用范围外服务，GPT-5.6 Cyber 为 94.49%；在提供提示的情况下，GPT-6 Cyber 的边界遵守率达到 100%。从模型思维链的片段可以看到其推理过程：「不能假设额外的 API 或攻击控制器不是目标，我们只应针对二进制/服务器」「不要探索范围外的凭据」。

这种「知道自己不该做什么」的能力，对于安全智能体的实际部署而言，其重要性不亚于「能做什么」。

产品分层：Daybreak 生态的攻防分工

OpenAI 围绕 GPT-6 Cyber 构建了 Daybreak 产品矩阵，形成清晰的能力分层。主线模型如 GPT-6 Astra 已支持代码审查、漏洞分类和补丁开发；Daybreak Blue 面向经过验证的防御方，帮助其验证漏洞和修复方案，同时减少不必要的拒绝；Daybreak Red 则支持更深入的漏洞利用开发和授权安全测试，底层由 GPT-6 Cyber 驱动。

这种分层设计的逻辑在于：同一个模型能力，在不同信任级别的用户手中，需要不同的行为约束。防御方需要模型「少拒绝、多配合」，而攻击性测试场景则需要模型「能深入、但不越界」。OpenAI 的目标是大幅扩展 Daybreak 的覆盖范围，将高级安全研究能力带给各种规模的组织、独立研究人员和开源维护者。

国内视角：安全智能体的差异化路径

在海外厂商推进安全智能体的同时，国内大模型厂商也在探索类似方向，但路径有所差异。DeepSeek 在代码理解与推理方面持续迭代，其开源模型被广泛用于代码审计场景；通义千问和文心一言则更多依托云平台的安全服务生态，将模型能力嵌入到企业级安全运营流程中。智谱 GLM 系列在代码生成与漏洞检测的学术评测中也有布局。

差异主要体现在两个层面：一是对齐策略的透明度，OpenAI 通过系统卡和 Preparedness Framework 公开风险分级，国内厂商在这方面的披露体系仍在建设中；二是产品分层，Daybreak 式的「防御/攻击」双轨产品设计在国内尚不多见，更多是以安全运营中心（SOC）集成的方式落地。不过，随着国家互联网应急中心等机构对 AI 安全工具的关注度提升，国内在安全智能体的规范化方面预计会加速跟进。