要点
- GPT-6 Cyber 在 ExploitGym 自报 48.5%，对照 GPT-5.6 Cyber 32.1%；范围蜜罐无部署提示 99.93%、有提示 100%。
- 公司叙述授权研究产出包括 Firefox 81 个高危新洞与 Linux 948 个工作利用；Preparedness 网络安全等级标为 Critical；经 Daybreak Red 向受控客户开放。
- 可证伪点是公开基准分数与命名发现能否在系统卡协议与公开修复/披露中对上；不是「对齐网络代理已关上防守窗口」。本篇不含利用步骤。
OpenAI 于 2026-11-05 发布 GPT-6 Cyber，称其在找漏洞、验证可利用性、并留在研究员设定范围内的表现相对 GPT-5.6 Cyber 明显抬升。公告给出的可核对数字包括：ExploitGym 48.5%（相对 GPT-5.6 Cyber 的 32.1%）、无部署提示时范围蜜罐合规 99.93%、有部署提示时 100%，以及在授权研究中复现 Linux 相关工作产物与 Firefox 高危发现的数量。
新闻核应落在这些公开基准与命名发现上，而不是「对齐的网络代理已关上防守窗口」口号。公司把模型在 Preparedness Framework 下的网络安全等级标为 Critical（高于 GPT-5.6 Cyber 的 High），并说明 Daybreak Red 面向更深的授权测试，Daybreak Blue 面向验证与补丁、减少不必要拒答。
本文只分析公告里的主张与数字，不复述任何利用步骤或 PoC。读者应用 ExploitGym / 范围蜜罐协议与系统卡，以及 Mozilla 等公开修复记录，检验这些分数与命名发现是否站得住。
[1]硬事实（OpenAI 博文，访问于 2026-11-06；日期署 2026-11-05）：
- 定位：面向网络安全研究的模型，训练目标包括发现并验证可利用漏洞，同时留在研究员设定的授权范围内。
- ExploitGym（给定漏洞、远程目标上是否能利用）：GPT-6 Cyber 48.5%，GPT-5.6 Cyber 32.1%；公司称相对提升约 51%。
- 进攻性 Web 渗透新评测（无源码探测 Web 应用）：召回 40.3%，对照 GPT-6 Astra 32.0%。
- RemoteExploitBench（GitLab / PostgreSQL / Jenkins 等受控已知漏洞）：Daybreak Blue 下 GPT-6 Astra 拒答 100%；GPT-6 Cyber 完成 95%，唯一失败是未能让利用在远程生效。
- 范围对齐（ExploitGym Honeypot，受 Hugging Face 事件启发）：无部署安全提示时，避免利用范围外服务 99.93%（GPT-5.6 Cyber 为 94.49%）；有提示时 100%。
- 真实系统侧（公司叙述）：Firefox 战役给出 81 个 Mozilla 标为高危的新漏洞证据与可复现测试，另有 30 个已知问题被显示比原先更严重，并提出候选补丁；Linux 侧复现 1,724 个漏洞并开发 948 个工作利用（同 harness 下 GPT-5.6 Sol 为 166），向维护者披露 304 个关键发现并附候选补丁。
- 客户引用（Cisco、Calif、CodeRabbit、CrowdStrike、Palo Alto Networks、SentinelOne、Perplexity、Cognition 等）描述内部基准或使用体验；Cognition 称内部新洞发现与利用基准 23% 对上一代最佳 13%；CodeRabbit 称高/中危问题比生产模型多 66%。这些是客户自述，不是独立复测。
- 访问：初期经 API 与 Codex 向部分已批准 Daybreak Red 客户开放；将扩大到全部 Daybreak Red，并同时向全部 Daybreak Red 提供 GPT-5.6 Cyber。另有面向关键基础设施防守方的 Daybreak Red 分组与 Frontline Defenders 补贴叙述。
- 配套：网络错配监控、针对新兴威胁的监控、Private Safety Processing、Daybreak Red 默认 IP 允许列表、沙箱与人工监督建议，以及对 OT/ICS 等高风险协助的加强拦截；与 Dragos 在受控实验环境做关键基础设施相关评估。
系统卡被指向为完整结果与评测设置来源。本篇不展开利用细节。
[1]证据强度：一手产品/安全研究公告，附系统卡链接。ExploitGym、蜜罐合规率、RemoteExploitBench 与 Web 召回均为公司评测；Linux 948 与 Firefox 81 是公司战役叙述，Firefox 侧有 Mozilla 开始合入修复的公开指向，Linux 侧有向维护者披露的叙述。客户引语与内部百分比是二手背书，强度低于可复跑基准。
可检验路径：按系统卡协议复跑 ExploitGym 与范围蜜罐；对照 Mozilla 公告/漏洞库确认「81 高危新洞」量级与时间线；对照 Linux 社区披露记录确认 304 关键披露是否存在。Preparedness「Critical」是公司框架内标签，外推到「防守窗口已关闭」需要独立事件数据，公告未提供。
钢人论证：若第三方在相同 ExploitGym 协议下得到接近 48.5%，且蜜罐合规接近所报水平，同时 Mozilla 修复记录与「81 高危」量级一致，则「相对 GPT-5.6 Cyber 的能力与范围遵守双升」成立。客户内部 23% / 66% 之类数字仍需各自公开协议才能外推。
[1]最强钢人：把「更能打」与「更肯留在授权范围」写成同一发布的两条主轴，并用蜜罐评测直接回应「代理去打范围外服务」的已知失败模式；再把 Daybreak Blue / Red 分档，试图让验证修复与深层授权测试分开供给。
钢人风险：多数核心分数仍是公司自报；RemoteExploitBench「95%」样本与任务定义需读系统卡才能判断是否过窄。「对齐更好」不等于部署后不会越权，尤其在提示被剥离或工具链改写时。Linux 948 与 Firefox 81 是授权研究产出的数量叙事，不能直接读成野外攻防已翻转。Dragos 实验与 OT/ICS 拦截率图展示的是公司安全叙事，公开读者看不到原始实验包。
公告强调「用前沿模型加固软件的窗口有限」。这是战略判断，不是可在本帖内证伪的基准行。本篇因此把可证伪对象收在分数、合规率与命名发现上，把窗口修辞留在观点栏。
[1]对安全团队，六个月内可观察的是：Daybreak Red 扩容速度、系统卡数字是否被独立复测、以及 Mozilla / Linux 修复是否持续对应公司披露量级。对开源维护者，压力在披露与补丁质量，而不是模型营销语。对政策与关键基础设施运营方，OT/ICS 相关拦截与「Frontline Defenders」补贴是否真的改变授权测试可达性，要比口号更重要。
对模型实验室，这份发布把「能力升档」和「范围遵守」绑在同一张成绩单上：只报利用成功率、不报越权率，会显得不完整。对普通开发者，主线模型（如文中 GPT-6 Astra）的代码审查与分诊能力仍是默认入口；Cyber 通路仍是受控名单。
[1]GPT-6 Cyber 的检验对象应是 ExploitGym 48.5% 对 32.1%、范围蜜罐合规率，以及 Firefox / Linux 等命名发现能否在公开修复与披露记录中对上；不是「对齐网络代理已关上防守窗口」。分数与披露站住，它是有分量的安全研究模型发布；对不上，它仍是公司基准帖。
另：本文不提供任何利用步骤或 PoC。需要技术细节的读者应走授权渠道与系统卡，而不是从新闻分析文还原攻击流程。
【No.2】
[1]