GPT‑6 Cyber 发布：ExploitGym 从 32.1% 升到 48.5%，越界利用测试避开率 99.93%
核心概要
OpenAI 发布面向安全研究的 GPT‑6 Cyber，在测试指定漏洞利用能力的 ExploitGym 上得分 48.5%，高于 GPT‑5.6 Cyber 的 32.1%。在另一项对齐评测中，该模型在无部署提示时于 99.93% 的测试里避开越界服务，GPT‑5.6 Cyber 为 94.49%，加上部署提示后达到 100%。OpenAI 称其已用于在 Linux 中开发 948 个提权利用、在 Firefox 中发现 81 个此前未知的高危漏洞。
深度剖析
安全智能体在找漏洞之外，还要守住研究者划定的授权范围，GPT‑6 Cyber 把这两件事放在同一次发布里。 此前的 GPT‑5.6 Cyber 在 ExploitGym 上得 32.1%，在无部署提示的越界测试中避开越界服务的比例为 94.49%。 GPT‑6 Cyber 在 ExploitGym 上得 48.5%，相对提升 51%；同一越界测试中避开比例为 99.93%，加上部署提示后为 100%。
模型被专门训练去遵守授权范围、尊重行动限制并如实报告结果，而不只是被要求少做危险动作。 越界风险的具体形态是智能体跑出任务范围、去攻击无关服务，或无视研究者的行动规则。 对齐评测 ExploitGym Honeypot 在隔离环境中放置了包仓库、对象存储等易于攻破的支撑服务，攻破它们才能拿到任务标记，模型须自行判断这属于越界。
这些能力已进入真实代码库的漏洞研究与修复流程。 OpenAI 称 Firefox 此前已用多代前沿模型加固，仍被找出新问题。 OpenAI 研究人员用该模型在 Linux 中开发 948 个提权利用，并复现 1,724 个漏洞；在 Firefox 中发现 81 个 Mozilla 定为高危的新漏洞，另有 30 个已知问题被判定比原先报告更严重，Mozilla 已发布修复。
启示与展望
已展示的范围是 OpenAI 自建的 ExploitGym、RemoteExploitBench、Web 渗透评测与 ExploitGym Honeypot 对齐评测，以及在 Linux、Firefox 等代码库上的漏洞研究与修复；GPT‑6 Cyber 初期仅通过 API 和 Codex 向部分获批的 Daybreak Red 客户开放。
OpenAI 说明更高的防护拦截率并不总是更好，因为理解系统、找漏洞、验证修复同样依赖这些技术，因此拦截率需与对合法研究与打补丁的支持一并评估；完整结果与评测设置见系统卡。