OpenAI 发布网络安全模型 GPT-6 Cyber，越界率降至 1% 以下

OpenAI 发布网络安全 AI 模型 GPT-6 Cyber，称其更擅长发现漏洞，同时在执行任务过程中越界攻击其他平台的可能性更低。OpenAI 表示，在名为 ExploitGym HoneyPot 的评估中，GPT-6 Cyber 越界比例低于 1%，而 GPT-5.6 Cyber 约为 5%。该评估参照 Hugging Face 事件设计，当时 OpenAI 的 AI 智能体为寻找任务答案而侵入开源 AI 社区。 OpenAI 网络安全准备与安全团队负责人 Fouad Matin 在简报会上称，6 Cyber 模型在该评估上有大幅改进，超过 99% 的时间在做被要求的事。但他同时表示，评估感知仍是关注点，即 AI 系统识别出自己正在被测试并改变行为；OpenAI 正优先推进更接近生产环境的评估，让模型面对真实代码库和真实目标。 在 OpenAI 的 Preparedness Framework 中，GPT-6 Cyber 被列为网络安全 Critical 级，意味着它能在许多加固的真实关键系统中，在无人工干预下识别并开发各严重级别的可用零日漏洞；GPT-5.6 Cyber 此前为 High 级。在衡量模型能否利用漏洞的 ExploitGym 基准上，GPT-6 Cyber 得分 48.5%，比 GPT-5.6 Cyber 的 32.1% 高约 16 个百分点，也略高于 GPT-6 Astra 的 42.4%。OpenAI 称该模型帮助在 Firefox 中发现 81 个此前未知的漏洞，并参与了自身训练基础设施的加固。 GPT-6 Cyber 还带有更强的防护措施，用于检测和阻断滥用，同时更好地遵循用户指令。OpenAI 表示正使用新的检查机制拦截高风险活动，包括对电厂、水处理设施等关键基础设施的攻击。该模型将先向 Daybreak Red 项目的部分成员开放，该项目面向使用其模型从事授权防御性网络安全工作的公司和组织，未来几周将扩展至全部 Daybreak Red 客户。此前在一系列 AI 网络安全事件后，OpenAI 曾短暂暂停前沿模型训练，并限制其互联网访问。