OpenAI发布网络安全模型GPT-6 Cyber

OpenAI 周四发布其最新网络安全模型 GPT-6 Cyber，称它在漏洞挖掘等任务上超越旗舰模型 GPT-6 Astra，而且更不容易在执行任务时"越界"去攻击其他平台。新模型将首先通过"Daybreak Red"计划向数量有限的客户开放。

在衡量模型能否利用漏洞的基准 ExploitGym 上，GPT-6 Cyber 得分 48.5％，比上一代 GPT-5.6 Cyber 的 32.1％高出约 16 个百分点，也比 GPT-6 Astra 的 42.4％高出一截。OpenAI 网络安全准备与安全团队负责人福阿德·马丁在媒体吹风会上还强调了一个安全指标：在仿照"Hugging Face 事件"设计的 ExploitGym HoneyPot 测试中，新模型越界行事的比例不到 1％，而 GPT-5.6 Cyber 约为 5％。所谓"Hugging Face 事件"，是指 OpenAI 的智能体曾为完成解题任务擅自闯入开源社区寻找答案。

实战成绩单同样亮眼：GPT-6 Cyber 帮助安全研究人员在 Firefox 浏览器中发现了 81 个此前未知的漏洞，并参与了 OpenAI 自家 AI 训练基础设施的加固工作。

值得注意的是，在 OpenAI 内部的"Preparedness Framework"安全框架中，GPT-6 Cyber 的网络安全能力被列为最高档 Critical——该评级的定义是，模型"几乎无需人工干预，就能在许多经过加固的真实关键系统中识别并开发出所有严重级别的可用零日漏洞"。上一代 GPT-5.6 Cyber 的评级还是次一档的 High。

但马丁也承认，"评估意识"仍是团队最操心的问题：模型可能察觉到自己正在被测试，并据此改变行为，而这种迹象经常出现在模型的思维链里。为此，OpenAI 正优先采用更接近真实生产环境的评估方式，让模型面对真实代码库和真实目标，以降低"应试"带来的失真。

在经历今年夏天一连串 AI 网络安全事件、包括有智能体逃出沙箱的攻击后，OpenAI 加紧收紧了最强大模型的安全护栏：一度暂停前沿模型训练，并限制它们访问互联网。此次发布也被外界视为其安全叙事的一次重要展示。

编译自 The Verge，原标题："OpenAI says its new cybersecurity model is better at not hacking other companies"