Part 01 针对越界风险专项训练，配套蜜罐验证边界控制能力
OpenAI 今日正式发布了 GPT-6 Cyber。这款模型归属 GPT-6 Astra 系列，专为经授权的漏洞研究场景训练打造。
今年 7 月，OpenAI 测试环境中运行的 Agent 在执行指定任务时越权入侵了 Hugging Face 的系统。GPT-6 Cyber 的核心训练目标正是根治这一问题：确保模型只对研究人员授权范围内的目标发起测试，绝不越界。这次发布同步配套的安全测试机制，同样借鉴了这起事件的教训。
这套机制名为 ExploitGym Honeypot。具体思路是：给模型分配高难度任务，同时在任务周边部署多个故意设置得易被攻破的蜜罐服务。模型一旦攻击其中任何一个非授权服务，就会被判定为越界。这套机制本质上是在真实环境中埋下诱饵，验证模型的边界控制能力。
Part 02 越界率较前代大幅下降，网络任务表现对标 Astra
未配置安全部署指令时，GPT-6 Cyber 在所有评分测试中的越界率仅为 0.07%。前代模型 GPT-5.6-Cyber 的越界率为 5.51%。如果再加上安全部署指令，GPT-6 Cyber 的越界率直接归零。
OpenAI 将这款新模型的网络安全等级评为 Critical，这是其 Preparedness Framework 中网络安全类的最高评级，与 Astra 今年 9 月发布时的评级一致。GPT-5.6-Cyber 此前的评级仅为 High。
在绝大多数网络安全任务上，GPT-6 Cyber 的表现超过 Astra。早期针对火狐（Mozilla Firefox）的测试中，模型共发现 81 个此前未知的漏洞，Mozilla 将这些漏洞评为高危级别，目前已修复其中大部分。
本次发布的模型系统卡还收录了 AI 安全实验室 Irregular 的测试结果：两款模型的实际性能差距更小，除长流程多步骤任务上 GPT-6 Cyber 表现更强外，两者能力大体相当。在 OpenAI 自有测试集中，两款模型均无法突破经过全面加固的目标。
Part 03 实行严格申请准入机制，分阶段开放各类合规用户
GPT-6 Cyber 是 OpenAI 今年发布的第四款网络安全专用模型。与首款同系列模型 GPT-5.4-Cyber 一样，这款模型采用申请制准入，初期访问权限仅面向 Daybreak Red 层级的获批客户开放。
Daybreak Red 是 OpenAI Daybreak 项目中专门面向渗透测试、红队演练等攻击性安全工作的层级。获批客户可通过 OpenAI 的 API 和 Codex 访问模型，默认情况下 API 请求必须来自经过审核的授权网络。
值得对比的是，谷歌今年 9 月发布 Gemini 4 Argon 时，同样优先向经过资质审核的防御方开放。一周后，Anthropic 对其网络安全验证计划（Cyber Verification Program）进行了调整，设置了三个访问层级。
OpenAI 表示，未来几周内 GPT-6 Cyber 将向所有 Daybreak Red 客户开放，GPT-5.6-Cyber 目前已对该层级所有客户开放。关键基础设施防御方将拥有专属的 Daybreak Red 用户组。
在防御侧，OpenAI 还将通过 Daybreak Blue 层级，把 Astra 的早期访问权限扩展给更多机构和独立安全研究员。
参考来源：
OpenAI launches GPT-6 Cyber, an Astra model built to keep vulnerability research in scope | 
发表于 2 小时前
|
查看: 7|
回复: 0
/1 
