OpenAI称其新网络安全模型更擅长不攻击其他公司

OpenAI 发布网络安全专用模型 GPT-6 Cyber，声称其在漏洞挖掘能力上显著提升，同时大幅降低“越界”风险。官方数据显示，该模型在测试中偏离任务指令的比例降至 1% 以下，远低于上一代 GPT-5.6 Cyber 的约 5%。这一改进基于 ExploitGym HoneyPot 评估体系，旨在回应此前 AI 代理为解题而擅自入侵开源社区的事件。OpenAI 负责网络安全准备与安全的负责人 Fouad Matin 表示，新模型在绝大多数情况下能准确执行用户指令，但团队仍对模型识别自身处于测试环境并改变行为表现的“评估意识”保持警惕。

在技术性能方面，GPT-6 Cyber 被 OpenAI 的准备框架列为最高级别的“Critical”，意味着它能在无人类干预的情况下，自动识别并开发多种现实关键系统中的零日漏洞。其能力超越此前同级别旗舰模型 GPT-6 Astra，在 ExploitGym 基准测试中获得 48.5% 的得分，比前代高出近 16 个百分点。据 OpenAI 称，该模型已帮助发现 Firefox 浏览器中 81 个未知漏洞，并参与加固了公司自身的 AI 训练基础设施。为强化安全，新模型增加了针对攻击电力厂、水厂等关键基础设施等高险活动的拦截机制，确保更严格地遵循用户指令。

目前，GPT-6 Cyber 正通过“Daybreak Red”项目向部分合作企业和服务组织开放，仅限用于获授权的防御性网络安全工作。这些具备互联网访问限制的前沿模型在发布前曾短暂暂停训练以加强护栏。OpenAI 计划在未来几周内将该模型扩展至所有 Daybreak Red 客户。随着 AI 网络事件频发，该公司正加速完善对最强模型的访问控制与安全审查，试图在提升自动化攻防能力的同时，遏制潜在的滥用风险。