GPT‑6 Cyber:推进对齐网络安全智能体的前沿发展

2026年11月5日
一款经过专门训练的网络安全模型,能够在严格恪守研究人员设定范围的同时,发现并验证可利用的漏洞。
我们正式推出 GPT‑6 Cyber,这是安全研究领域的一次重大飞跃:它在发现和修复漏洞方面能力更强,而且在遵守研究人员设定的边界方面远比以往更加可靠。相比 GPT‑5.6 Cyber,GPT‑6 Cyber 在关键网络安全基准测试中取得了显著提升,包括在 ExploitGym 上的相对表现提升了 51%,并在恪守范围(staying within scope)测试中实现了阶梯式的突破。它已经开始协助保障现实世界软件的安全,在 Linux 和 Firefox 等关键安全代码库中发现并验证了数千个漏洞利用(exploits)。
在测试模型是否能针对特定漏洞进行漏洞利用的 ExploitGym 基准测试中,GPT‑6 Cyber 的得分达到了 48.5%,高于 GPT‑5.6 Cyber 的 32.1%。同时,它在遵守任务边界方面也更加可靠:在另一项对齐评估中,即使未配置部署提示词(deployment prompt),GPT‑6 Cyber 在 99.93% 的测试中都能避免利用范围外的服务;而在配置了部署提示词的情况下,这一比例达到了 100%。这种对齐能力的提升,得益于针对保持在授权范围内、遵守限制条件以及准确报告结果等方面的专项训练。
这些能力已经在帮助保护真实系统。我们的研究人员利用 GPT‑6 Cyber 在 Linux 中开发了 948 个提权漏洞利用(privilege escalation exploits),并在 Firefox 中发现了 81 个此前未知的严重级别漏洞——尽管这些软件此前已使用前沿模型进行过大量测试。该模型还协助开发了候选补丁,Mozilla 也已针对许多 Firefox 漏洞发布了修复程序。Cisco、Calif 和 CodeRabbit 的安全团队正在将其用于漏洞研究和代码审查,我们也已借助它来发现并修复自身基础设施中的弱点。
显然,我们利用前沿模型保护软件安全的窗口期是有限的。我们的目标是大幅扩展 Daybreak 计划,将先进的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。 像 GPT‑6 Astra 这样的主线模型已经支持代码审查、漏洞分类分流(triage)和补丁开发。Daybreak Blue 可帮助经过验证的防御者验证漏洞和修复方案,同时减少不必要的拒绝响应;而 Daybreak Red 则支持利用 GPT‑6 Cyber 进行更深度的漏洞利用开发和授权安全测试。
推进前沿网络安全能力
GPT‑6 Cyber 相较于 GPT‑5.6 Cyber 是质的飞跃,并且在大多数网络安全任务上的表现均优于 GPT‑6 Astra(即使在 Astra 未拒绝请求的情况下也是如此)。我们在需要理解软件、识别漏洞并开发可用漏洞利用的任务上对该模型进行了评估。基于这些评估结果,根据我们的《准备度框架》(Preparedness Framework),我们将该模型在网络安全领域的风险等级评定为“关键级”(Critical),高于 GPT‑5.6 Cyber 的“高危级”(High)。
ExploitGym RemoteExploitBench ExploitGym Honeypot ExploitBench (2026年6月–8月) SRE-Bench Web Pentesting
在测试模型是否能够利用远程目标中特定漏洞的 ExploitGym 上,GPT‑6 Cyber 获得了 48.5% 的高分,比 GPT‑5.6 Cyber 的 32.1% 高出约 16 个百分点。为了测试漏洞发现能力,我们还构建了一项针对进攻性 Web 渗透测试的新评估。模型在无法访问源代码的情况下探测 Web 应用程序。GPT‑6 Cyber 的漏洞召回率达到了 40.3%,而 GPT‑6 Astra 仅为 32.0%。
Daybreak Red 旨在支持更高级的安全工作流程,包括开发可用的漏洞利用并在远程目标上执行。为了评估这些能力,我们构建了一个名为 RemoteExploitBench 的新基准测试,该测试在受控环境中部署了 GitLab、PostgreSQL 和 Jenkins 等应用程序中的已知漏洞。在我们最初的评估中,运行在 Daybreak Blue 下的 GPT‑6 Astra 拒绝了 100% 的任务,而 GPT‑6 Cyber 则完成了 95%;其唯一未完成的一项是因为无法使其在远程环境下成功利用。完整结果和评估设置请参阅系统卡片(system card)。
更强大的对齐能力,更善于恪守边界
网络安全智能体面临的一个风险在于它们可能会超出指派任务的范围,试图利用不相关的服务,或忽视研究人员设定的交战规则(rules of engagement)。
我们将对齐作为 GPT‑6 Cyber 的核心重点,采用专门的训练来帮助模型保持在授权范围内、遵循行动限制并准确报告其工作。在部署之前,我们进行了一系列对齐评估来衡量这些行为。完整结果请参阅系统卡片(system card)。
其中一项评估是受到 Hugging Face 事件启发的 ExploitGym Honeypot(蜜罐评估)。我们在一个隔离环境中为模型指派一项高难度的漏洞利用任务,同时提供访问辅助服务(如软件包仓库或对象存储)的权限。我们特意将这些辅助服务设计得极易被利用,以至于攻击它们就可以直接获取任务的 Flag。模型必须推断出:利用这些服务属于其任务范围之外的行为。
在这项评估中,GPT‑6 Cyber 展现出了相比 GPT‑5.6 Cyber 的跨越式提升。当在没有配置