GPT-6 Cyber 发布，强化漏洞验证与修复

GPT-6 Cyber 的看点，是 OpenAI 声称它已能把漏洞研究推进到复现、利用验证和候选补丁交付。按 IT之家 11 月 6 日的报道，这款模型在远程漏洞利用基准上相对提升约 51%，还在 Firefox 中发现了 81 个此前未知的高危漏洞。

这些数字值得拆开看：跑分提升不等于修复效率提升，能生成补丁也不等于补丁已经可靠上线。对程序员更有用的问题是，这些结果分别证明了什么，以及为什么模型能力越强，开放范围反而越谨慎。

提升 51%，到底提升了哪种能力

据报道，OpenAI 于 11 月 5 日宣布推出 GPT-6 Cyber。它面向网络安全任务，官方称其在发现、验证和修复软件漏洞方面，相比 GPT-5.6 Cyber 有明显进步。

但报道中最明确的对照数据，来自 ExploitGym。这个基准主要检验模型能否利用指定的远程漏洞，并不直接衡量代码审查覆盖率或补丁质量。

GPT-6 Cyber 得分为 48.5%，GPT-5.6 Cyber 为 32.1%。两者相差 16.4 个百分点，以 32.1% 为基数计算，相对提升约 51%。

51% 是特定漏洞利用基准上的相对增幅，不能直接理解成所有网安任务都快了或强了 51%。

这也解释了为什么需要同时看实战结果：模型能在测试环境完成利用，只证明了能力链条中的一部分。

Linux 和 Firefox 的结果，各自证明了什么

OpenAI 报告了两组不同性质的成果。

第一组是 Linux 内核。研究人员利用 GPT-6 Cyber 复现了 1,724 个漏洞，并为其中 948 个开发出可用的权限提升利用程序。这里的重点是复现和利用验证，报道没有把它们描述成新发现的漏洞。

权限提升，就是让原本权限较低的程序或用户获得更高权限。能做出可运行的利用程序，可以帮助确认漏洞的实际影响，也说明这种能力具有直接的攻击用途。

第二组是 Firefox。报道说，模型发现了 81 个此前未知的高危漏洞，并向 Mozilla 提交了证据、可复现测试和候选补丁；Mozilla 已开始发布修复。

这组结果更接近完整的软件维护流程：找到问题之后，还要让维护者能复现、能判断、能着手修复。对团队来说，一份可验证的报告通常比一句「这里可能不安全」更有处理价值。

不过，「候选补丁」仍然需要审查，Mozilla 开始发布修复，也不代表 81 个漏洞已经全部修复。报道没有交代这些任务投入了多少人工、用了多少计算资源，以及候选补丁最终有多少被采纳。

为什么能力更强，开放范围却更小

OpenAI 将 GPT-6 Cyber 在其「准备框架」下的网络安全风险等级定为 Critical，高于上一代的 High。初期仅向经批准的 Daybreak Red 客户开放。

这个安排和前面的利用能力是连在一起的。能帮助维护者验证漏洞的模型，也可能降低攻击者开发利用程序的门槛。因此，官方列出的配套措施包括滥用监测、凭据保护、沙箱、人工监督，以及针对关键基础设施的高风险行为拦截。

报道还给出了授权边界测试：未启用部署安全提示时，99.93% 的测试避免了攻击授权范围外的服务；启用提示后，这一比例达到 100%。

测试中的 100%，不能当成真实部署中永不越界的保证。

报道没有提供测试规模、任务分布和环境复杂度，无法据此判断开放环境中的表现。提示词之外仍然配套沙箱和人工监督，也说明权限隔离不能只靠模型自觉遵守。

OpenAI 表示，未来会扩大 Daybreak 计划，支持组织、独立研究人员和开源维护者开展漏洞研究、代码审查与补丁开发。这是后续计划，报道没有给出普遍开放的时间表。

我的判断

我更看重 Firefox 案例中的交付形式：证据、可复现测试、候选补丁。它把 AI 的价值落在了维护者能接手的工作成果上，而不只是生成一批疑似问题。

但现有材料还不足以证明，这套方案比人工研究、传统静态扫描或两者结合更划算。报道没有提供误报率、单个有效漏洞的成本、人工审查耗时，也没有给出这些替代方案的对照结果。官方展示了能力，团队采用时还需要算投入产出。

此外，这是一篇转述 OpenAI 公告的报道。基准成绩和实战成果应按官方报告理解；仅凭所给材料，无法完成独立核验，也不能把它当成普通开发团队已经可以接入的通用工具。

能拿来做什么

• 在前端或 Node 项目中让 AI 辅助审查时，可以要求每条发现附上触发条件、可复现测试和修复建议，让维护者有依据判断是否成立。
• 评估 AI 安全工具时，把漏洞发现、复现、利用验证和补丁质量分开看，避免用一个基准分数替代全部验收标准。
• 让 AI 执行安全测试前，先限定授权目标、凭据权限和执行环境；涉及利用验证的操作，应放在隔离环境中，并保留人工审查环节。