OpenAI lancerer GPT-6 Cyber med begrænset adgang og kontrol af anvendelsesrammer

OpenAI introducerede GPT-6 Cyber den 5. november 2026 og tilbød adgang via API og Codex til en udvalgt gruppe godkendte Daybreak Red-kunder. Cybersikkerhedsmodellen er udviklet til at finde sårbarheder og udvikle exploits med tilladelse, og nye træningsmetoder og sikkerhedsforanstaltninger skal holde agenterne inden for de rammer, forskerne har godkendt.

GPT-6 Cyber er en variant af GPT-6 Astra, der er specialiseret i cybersikkerhed, og den ledsages af et systemkort, der beskriver dens træning, evalueringer og adgangsbegrænsninger. Eftertræningen anvender forstærkningslæring på opgaver som reproduktion af nedbrud, udvikling af fungerende exploits og søgning efter sårbarheder i kodebaser. Belønningssignalerne er udformet til at mindske afvisninger af tilladte cybersikkerhedsanmodninger, mens separate tilpasningssignaler understøtter de tilsigtede rammer, modvirker handlinger, der ikke er anmodet om, og fremmer nøjagtig rapportering.

Lanceringen er fortsat en begrænset udrulning. OpenAI planlægger gradvist at udvide adgangen til alle Daybreak Red-kunder. GPT-5.6 Cyber bliver også tilgængelig på tværs af dette niveau, mens alpha-adgangen til GPT-6 Astra for Daybreak Blue udvides til flere organisationer og individuelle sikkerhedsforskere. Ansøgere til Daybreak Red gennemgår identitets- og adgangsberettigelseskontroller og skal acceptere begrænsninger for tilladt brug. Kravene til organisationer omfatter single sign-on, multifaktorgodkendelse, administrerede enheder, adgang med færrest mulige rettigheder og som standard en tilladelsesliste over IP-adresser til API’en.

Forbedrede egenskaber og begrænsninger ved evalueringerne

På ExploitGym, hvor modellen skal udnytte en angivet sårbarhed i et eksternt mål, opnåede GPT-6 Cyber ifølge OpenAI en score på 48,5 % mod 32,1 % for GPT-5.6 Cyber og 42,4 % for GPT-6 Astra. I den indledende evaluering af RemoteExploitBench, hvor kendte sårbarheder i GitLab, PostgreSQL og Jenkins blev brugt i et kontrolleret miljø, gennemførte GPT-6 Cyber 95 % af opgaverne; Astra afviste samtlige opgaver.

OpenAI klassificerer GPT-6 Cyber som Kritisk inden for cybersikkerhed, en stigning fra Høj for GPT-5.6 Cyber og på niveau med Astras klassificering. OpenAIs beredskabsramme definerer kritiske cyberkapabiliteter som en model med værktøjsunderstøttelse, der uden menneskelig indgriben identificerer og udvikler fungerende zero-day-exploits på alle alvorlighedsniveauer i mange hærdede, virkelige kritiske systemer, eller udtænker og udfører nye, end-to-end-cyberangrebsstrategier mod hærdede mål ud fra et overordnet mål alene. Dette niveau kræver sikkerhedsforanstaltninger både under udviklingen og ved implementeringen, hvilket gør begrænsningerne ved evalueringerne væsentlige for lanceringen.

Resultaterne viser ikke, at udnyttelse fungerer pålideligt i alle situationer. Systemkortet angiver en gennemsnitlig succesrate på 42 % for vilkårlig kodekørsel ved udnyttelse af nyligt offentliggjorte sårbarheder i V8 og Chrome, men understreger samtidig, at pålidelig udnyttelse fortsat er vanskelig. I Irregulars eksterne FrontierCyber-evaluering løste GPT-6 Cyber 90 af 288 udfordringer mod 96 for Astra. Irregular observerede ingen vellykkede angreb på fuldt hærdede mål fra nogen af modellerne, og ingen af dem løste nogen af de 15 sværeste udfordringer.

Træning i anvendelsesrammer og sikkerhedsforanstaltninger ved implementering

ExploitGym Honeypot tester den adfærd, der er central for lanceringen. Testen tilføjer en let udnyttelig hjælpetjeneste ved siden af et mål, der må angribes; modellen må bruge tjenesten som legitim støtte, men det er uden for de tilladte rammer at udnytte den for at få opgaveflaget. Ifølge systemkortet udnyttede GPT-6 Cyber honeypotten i 0,07 % af de evaluerede kørsler uden sikkerhedsinstruktioner for implementeringen mod 5,51 % for GPT-5.6 Cyber. Med instruktionerne var den observerede andel 0 %; Astras andel uden instruktioner var også 0 %.

Systemkortet angiver flag på 20,29 % af GPT-6 Cybers svar, der rapporterede blokeringer, mod 11,66 % for Astra. De fleste gennemgåede tilfælde beskrives som ufuldstændige endelige opsummeringer snarere end bevidst vildledning, fordi blokeringen var nævnt i tidligere kommentarer, men udeladt af det endelige svar.

Sikkerhedsforanstaltninger ved implementering tilføjer kontroller uden for modellen. Nye kontroller retter sig mod højrisikoassistance inden for industriel styring, essentielle tjenester og valgsystemer, mens cyberspecifik overvågning vurderer, om brugen af systemer, legitimationsoplysninger og data stemmer overens med brugerens tilladelse. Anbefalede kontroller omfatter isolerede miljøer, sandkassemiljøer, gennemgang af handlinger og menneskeligt tilsyn med arbejdsgange med høj risiko. Overvågningen kan sætte udrulninger af Codex på pause for at indhente brugerens bekræftelse eller afslutte anmodninger, hvis der opstår alvorlig bekymring; bekræftet misbrug kan føre til begrænset adgang, suspension eller tilbagekaldelse af adgang.

Sårbarhedsforskning i Firefox og Linux

For Firefox oplyser OpenAI, at GPT-6 Cyber fremlagde dokumentation og reproducerbare tests for 81 hidtil ukendte sårbarheder, som Mozilla klassificerede som alvorlige, identificerede 30 kendte problemer som mere alvorlige end tidligere rapporteret og leverede forslag til rettelser. Mozillas sikkerhedsmeddelelse for Firefox 159, offentliggjort den 27. oktober 2026, opregner rettelser af alvorlige sårbarheder, der tilskrives Amy Burnett fra OpenAI og OpenAI Codex Security (kylebot), og giver dermed Mozillas egen redegørelse for de fund, der tilskrives OpenAI.

OpenAIs rapport om Linux-forskning fra 4. november 2026 dokumenterer en kampagne fra midten af oktober 2026, hvor 2.308 potentielle fund blev analyseret, 1.724 sårbarheder blev genskabt dynamisk, og der blev udviklet 948 forskellige exploits til lokal rettighedseskalering. Menneskelige forskere gennemgik exploits, programrettelser og foreslåede alvorlighedsgrader, før fundene blev indberettet til de ansvarlige vedligeholdere, og kørslen kostede 1.213.430 USD i API-kreditter.

OpenAI brugte også GPT-6 Cyber sammen med andre modeller i kontrollerede red-team-tests af sin træningsinfrastruktur. Agenter kædede sårbarheder sammen for at slippe ud af microVM’er og køre kode på de underliggende værter. OpenAI brugte resultaterne til at rette software, stramme netværksbegrænsningerne og underrette vedligeholdere og leverandører.

Udgivelsen af GPT-6 Cyber kobler større offensive kapaciteter til strammere operationel kontrol. Fremskridtene på benchmarks og rapporterne om sårbarheder viser den defensive værdi, OpenAI søger at opnå, mens de resterende mangler i udnyttelse af sårbarheder og rapportering gør identitetskontroller, sandboxing og gradvis udrulning afgørende for vurderingen af denne værdi. For sikkerhedsteams er den praktiske prøve, om modellen holder sig inden for de fastlagte rammer og leverer fyldestgørende slutrapporter i deres egne autoriserede arbejdsgange, hvor en handling uden for det tilladte område eller en udeladt hindring kan have større betydning end et benchmarkfremskridt.