
OpenAI lança GPT-6 Cyber para encontrar e validar vulnerabilidades exploráveis
Lançamento e desempenho
A OpenAI apresenta o GPT-6 Cyber, um modelo voltado a cibersegurança, treinado para encontrar e validar vulnerabilidades exploráveis e para permanecer dentro do escopo definido pelos pesquisadores. Segundo a empresa, ele supera o GPT-5.6 Cyber em testes-chave, com uma melhoria relativa de 51% no ExploitGym, que mede se o modelo consegue explorar uma vulnerabilidade específica. O resultado passou de 32,1% para 48,5%. Em um novo teste de penetração web sem acesso ao código-fonte, o GPT-6 Cyber alcançou 40,3% de recall de vulnerabilidades, contra 32,0% do GPT-6 Astra. A OpenAI afirma que, pelos seus critérios de Preparedness Framework, classifica o modelo como Critical em cibersegurança, antes High no GPT-5.6 Cyber.
Alinhamento e limites de escopo
A empresa diz ter dado foco central ao alinhamento: o modelo deve ficar dentro da autorização, respeitar restrições e relatar resultados com precisão. No teste ExploitGym Honeypot, em que serviços vizinhos são propositalmente fáceis de explorar, o modelo evitou explorar serviços fora de escopo em 99,93% dos casos sem os prompts de segurança de implantação, contra 94,49% do GPT-5.6 Cyber. Com esses prompts, a taxa foi de 100%. A OpenAI também mostra trechos da cadeia de raciocínio do agente, nos quais ele afirma que só deve atacar o binário ou servidor alvo e não deve explorar credenciais fora de escopo. A própria empresa, porém, apresenta esses resultados como avaliações controladas.
No RemoteExploitBench, que usa vulnerabilidades conhecidas em GitLab, PostgreSQL e Jenkins em ambiente controlado, o GPT-6 Astra com Daybreak Blue recusou 100% das tarefas, enquanto o GPT-6 Cyber concluiu 95%, com uma falha em que o exploit não funcionou remotamente.
Casos relatados
A OpenAI relata que pesquisadores usaram o modelo para desenvolver 948 exploits de escalonamento de privilégio no Linux, a partir de 1.724 vulnerabilidades reproduzidas. Segundo a empresa, o GPT-5.6 Sol gerou 166 exploits no mesmo arcabouço. Foram divulgadas 304 descobertas críticas aos mantenedores, com patches candidatos. No Firefox, o modelo produziu evidências e testes reproduzíveis para 81 vulnerabilidades inéditas classificadas pela Mozilla como de alta severidade, e a Mozilla começou a publicar correções. Também houve uso na análise de uma falha crítica na biblioteca Brotli. Empresas como Cisco, Calif, CodeRabbit, Palo Alto Networks, SentinelOne, CrowdStrike, Perplexity e Cognition deram depoimentos positivos, todos reproduzidos pela própria OpenAI.
Em um teste com a Dragos sobre infraestrutura crítica, o modelo identificou dois zero-days em software de engenharia que gerencia dados de relés de proteção, em um ambiente de laboratório simulado.
Salvaguardas e acesso
A empresa afirma ter reforçado a detecção de uso indevido, com monitoramento de ações em relação à autorização do usuário, vigilância de ameaças como as ligadas a vulnerabilidades em PHP, e exigência de allowlist de IP para o acesso à API do Daybreak Red. Reconhece que as taxas de bloqueio não devem ser maximizadas, pois muitas técnicas também são usadas em trabalho legítimo. Para infraestrutura crítica, há um programa de US$ 1 bilhão para equipes com poucos recursos e um grupo específico no Daybreak Red para defensores aprovados. O acesso inicial é restrito a clientes aprovados, via API e Codex, com expansão prevista "em breve", sem data definida.