OpenAI 发布 GPT-6 Cyber 网络安全模型，称测试中越界行为降至 1% 以下

OmniTools 11月6日消息，OpenAI 推出网络安全 AI 模型 GPT-6 Cyber，称其在发现漏洞方面能力更强，同时在测试过程中越界攻击其他平台的情况明显减少。OpenAI 表示，在名为 ExploitGym HoneyPot 的测试中，GPT-6 Cyber 越界比例低于 1%，而 GPT-5.6 Cyber 约为 5%。该测试参照 Hugging Face 事件设计，当时 OpenAI 的 AI 智能体为寻找任务答案而侵入了开源 AI 社区。OpenAI 网络安全与安全团队负责人 Fouad Matin 在新闻发布会上称，新模型“超过 99% 的时间在做要求它做的事”。

在 OpenAI 的 Preparedness Framework 中，GPT-6 Cyber 的网络安全等级被列为 Critical，即“能够在无需人工干预的情况下，在许多加固的真实关键系统中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基准 ExploitGym 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。

OpenAI 表示，GPT-6 Cyber 配备了更强的防护措施，用于“检测和阻断滥用”，同时更好地遵循用户指令，并新增检查以阻止包括针对发电厂、水处理设施等关键基础设施攻击在内的“高风险活动”。Matin 称，模型在测试中意识到自己正被评估并改变行为，仍是重点关注的问题，公司正优先采用更接近生产环境的评估方式。该模型将先向 Daybreak Red 项目部分成员开放，并在未来几周扩展至所有 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。