Представьте отчёт, в котором написано: «Здесь возможна уязвимость». Разработчику ещё нужно воспроизвести ошибку, оценить её последствия, подготовить исправление и проверить, что оно работает. Без этих шагов находка остаётся предположением.
GPT-6 Cyber создана для работы с такими задачами. OpenAI представила специализированную модель 5 ноября 2026 года и сообщила, что применяла её в исследованиях безопасности Linux и Firefox.
Интерес представляет весь путь от поиска ошибки до подтверждения результата. Именно на нём становится видно, какую работу можно поручить агенту, а где по-прежнему нужны инженерная проверка и чёткие границы доступа.
Что показывают исследования GPT-6 Cyber
Модель обучали продолжать проверку после неудачи
Согласно системной карте OpenAI, GPT-6 Cyber — специализированная версия GPT-6 Astra для разрешённых исследований безопасности. При дополнительном обучении модель выполняла задачи по поиску ошибок в коде, воспроизведению сбоев и проверке возможности их использования. Её также обучали учитывать границы задания и реже отказывать в допустимых запросах по кибербезопасности. Выражение «ИИ-хакер» описывает действия модели в предоставленной ей среде. Само по себе оно не означает доступа к внешним системам.
В Linux агент прошёл несколько этапов проверки
В исследовании ядра Linux OpenAI связала поиск подозрительных участков, воспроизведение ошибок, оценку их последствий и подготовку исправлений. Затем результаты проверяли исследователи. Система обнаружила 2 308 потенциальных проблем и воспроизвела 1 724 уязвимости. На следующем этапе агенты получили 1 169 работающих вариантов локального повышения привилегий. После анализа повторяющихся вариантов OpenAI насчитала 948 различных уязвимостей и подготовила для них 948 отдельных исправлений. Эти показатели нельзя складывать: они относятся к разным способам подсчёта результатов одной кампании. Эксперимент проводили на виртуальных машинах в контролируемой среде. Сообщение о 948 уязвимостях не означает, что модель получила доступ к 948 серверам в интернете.
Для Firefox можно сопоставить заявление с бюллетенем
OpenAI сообщила о 81 ранее неизвестной уязвимости Firefox, которую Mozilla оценила как серьёзную. По данным компании, модель подготовила воспроизводимые проверки и помогла предложить исправления. В бюллетене безопасности Firefox 159 действительно есть исправленные проблемы, для которых в качестве сообщивших об ошибке указаны Amy Burnett of OpenAI и OpenAI Codex Security (kylebot). Однако бюллетень не помечает каждую такую запись названием GPT-6 Cyber. Поэтому число 81 следует атрибутировать OpenAI, а конкретные исправления проверять по записям Mozilla.
Результаты тестов зависят от задания
В ExploitGym GPT-6 Cyber выполнила 48,5% заданий против 32,1% у GPT-5.6 Cyber. В проверке веб-приложений без доступа к исходному коду модель обнаружила 40,3% уязвимостей против 32,0% у GPT-6 Astra. В RemoteExploitBench она выполнила 95% заданий с известными уязвимостями в контролируемых развёртываниях приложений. Это результаты разных испытаний, и переносить любой из процентов на произвольную систему нельзя. Проверяли и соблюдение границ. В ExploitGym Honeypot рядом с разрешённой целью находился вспомогательный сервис, использовать который для работы было можно, а эксплуатировать его уязвимости — нельзя. Без дополнительных инструкций GPT-6 Cyber нарушила эту границу в 0,07% оценённых прогонов; с ними нарушений в тесте не зафиксировали. В отдельной проверке предупреждений модель остановилась, когда это требовалось, в 73% случаев.
«Полезна находка — та, которую инженер может воспроизвести, оценить и закрыть исправлением».
Редакция SpeShu.AI
Что измерять при проверке ИИ-агента безопасности
- Определите системы и версии, которые разрешено проверять.
- Ограничьте доступ агента к сети, файлам и учётным данным.
- Сохраните условия, при которых воспроизводится каждая ошибка.
- Проверьте последствия находки на тестовом стенде.
- Подтвердите, что исправление устраняет исходную ошибку.
- Запустите тесты на сохранение нужной функциональности.
- Учтите стоимость запусков и время инженерной проверки.
- Зафиксируйте случаи, когда агент вышел за границы задания или пропустил предупреждение.
Сколько стоило исследование Linux
По данным OpenAI, полный запуск кампании по Linux потребовал $1 213 430 в API-кредитах. Компания рассчитала среднюю стоимость примерно в $1 279 на одну из 948 различных уязвимостей с подтверждённой возможностью локального повышения привилегий. Это средний показатель конкретного запуска, включая попытки, которые не привели к итоговой находке. Опубликованная сумма относится к API-кредитам: оценивать по ней полную стоимость работы инженеров и инфраструктуры нельзя.
Для собственного пилота полезнее считать стоимость проверенной и исправленной проблемы. Тогда в расчёт попадут повторные запуски, работа специалиста и проверка того, что исправление не ломает продукт.
Что показала проверка инфраструктуры OpenAI
Команды агентов, в которые входила будущая киберверсия GPT-6 Astra и другая внутренняя модель, искали ошибки в защите изолированных сред. По сообщению компании, результаты помогли исправить компоненты и усилить сетевые ограничения.
У эксперимента были существенные условия: агентам дали исходный код, настройки и документацию о возможных слабых местах, а работу проводили на специально подготовленных копиях инфраструктуры. Этот кейс показывает пользу проверки конкретных предположений при хорошем доступе к данным; он не позволяет предсказать результат против любой незнакомой системы.
Кому доступна GPT-6 Cyber
По состоянию на 9 ноября 2026 года модель предоставляют выбранным одобренным участникам программы Daybreak Red через Codex и API. При этом одобрение для Daybreak Red само по себе не даёт доступ к GPT-6 Cyber: требуется отдельное разрешение на модель. Программа рассчитана на согласованную работу с системами, которые организация владеет, обслуживает или имеет право проверять.
Поэтому наличие названия GPT-6 Cyber в каталоге стороннего сервиса не подтверждает доступ именно к этой модели. Для обычных задач анализа кода можно оценивать доступные модели на собственном учебном примере: попросить объяснить уже известную ошибку, предложить исправление и затем самостоятельно проверить его тестами.
Вопрос для команды перед пилотом — сколько дополнительных проблем агент помог воспроизвести и исправить при приемлемых затратах. Число подозрительных строк в отчёте ответа на него не даёт.
Проверьте ИИ на известной ошибке в коде
Возьмите учебный пример с уже подтверждённой ошибкой и сравните, как модели объясняют её причину и предлагают исправление. Проверьте предложенные правки тестами и запишите, сколько ручной работы потребовалось. В SpeShu.AI можно работать с разными ИИ-моделями в одном сервисе. Это удобный способ начать сравнение на разрешённой задаче.
