OpenAI 发布 GPT-5.6-Cyber：工业级黑客攻击模型

对于我们这些跟踪自动化系统机械可靠性的人来说，GPT-5.6-Cyber 的技术规格代表了漏洞利用自动化方面令人震惊的飞跃。虽然像 GPT-5.6 Sol 这样的通用模型在设计时内置了过滤器以防止生成恶意代码，但 Cyber 变体为了“红队测试”和漏洞研究，被刻意调整为绕过这些限制。按照 OpenAI 自己的指标，这并非增量式更新，而是自动化利用效率上的范式转移。该模型是在一项名为 Daybreak 的严格审查计划下发布的，从而创造了一个双轨市场，即高端攻击性工具被作为优质防御服务进行销售。

安全性与效用之间的技术差值

GPT-5.6-Cyber 发布的核心在于其在复杂漏洞利用任务上的成功率。在涉及漏洞利用链、身份验证绕过和权限提升的标准化测试中，标准的 GPT-5.6 Sol 模型仅完成了 1.5% 的请求，这很大程度上归因于其安全对齐设置。即使在专为防御分析师设计的 Daybreak Blue 层级下，成功率也仅徘徊在 2% 左右。相比之下，当在 Daybreak Red 计划中使用时，GPT-5.6-Cyber 完成了 95% 的此类任务。这种差值是移除通常引导模型避开“有害”输出的概率权重，并以专门的进攻性安全数据语料库取而代之的结果。

为了理解这一飞跃的行业意义，我们必须回顾上一代产品。GPT-5.5-Cyber 的成功率约为 57.3%。跃升至 95% 意味着该模型不再仅仅是人类黑客可有可无的助手，它正成为自动化漏洞研究 (AVR) 流水线中一个可靠的组件。在一个有记录的案例中，该模型针对一个加固目标生成了可用的 WebSocket 身份验证绕过代码，而该模型的其他所有变体在该任务中要么失败，要么拒绝尝试生成。对于工程师而言，这代表了从创意工具到具有可预测性能指标的功能性组件的转变。

该模型在公开发布之前就已展现出实际应用价值。在内部测试期间，GPT-5.6-Cyber 在 Google Chrome 的 V8 引擎（多个主流浏览器所使用的 JavaScript 和 WebAssembly 引擎）中发现了两个此前未知的漏洞。这些零日漏洞目前已被编入 CVE-2026-15903，并通过 OpenAI 与 Google 的协调得到了发现和修补。此外，该模型还成功绘制了一个广泛使用的移动操作系统中的权限提升链。这些成就绝非轻而易举；它们通常需要高技能安全研究人员数月的体力劳动才能实现。

准备框架如何演变为许可门槛

OpenAI 的准备框架 (Preparedness Framework) 最初是作为一份安全宣言引入的，是一套旨在防止创建可能导致灾难性系统性危害的模型内部规则。该框架将模型能力分为四个等级：低、中、高和极高。通过将 GPT-5.6-Cyber 标记为“高”能力，OpenAI 有效地为其愿意商业化的范围设定了法律和技术上限。达到“极高”等级的模型——那些能够在没有人类干预的情况下针对加固基础设施构思和执行新型端到端网络攻击的模型——仍保留在实验室中，正如最近暂停的 Astra 项目所表现的那样。

该框架现在正被改造成一种商业模式。OpenAI 没有将“高”能力模型锁在保险库中，而是利用该框架作为审查机制，来决定谁有资格购买该模型的能力。访问权限不再仅仅是支付订阅费的问题；它需要一个严格的申请流程，将该工具仅限于像 CrowdStrike 和 Palo Alto Networks 这样老牌的安全公司。这种定位使 OpenAI 能够充当网络工业综合体的顶级供应商，提供原始的自动化能力，进而由这些公司为企业客户进行产品化开发。

Daybreak Blue 与 Red：数字武器的分层访问

这些能力的商业化推广通过 Daybreak 计划进行，该计划现分为两个不同的层级。Daybreak Blue 是入口点，旨在服务于防御团队。它提供了一个针对恶意软件分析、补丁验证和事件响应进行优化的 GPT-5.6 模型版本。它旨在帮助防御者了解已经发生的攻击，或验证修复程序是否已得到妥善实施。该层级本质上是一个在传统防御软件工程边界内运行的高性能助手。

Daybreak Red 则是“攻击级”模型所在地。该层级专用于进攻性研究，允许经过审查的用户部署 GPT-5.6-Cyber 进行主动的漏洞挖掘。这种区别至关重要：Blue 用于修补漏洞，而 Red 用于发现漏洞。通过销售 Red 的访问权限，OpenAI 承认保护系统的最有效方式是以国家级威胁行为者可能采用的同等复杂程度对其进行攻击。然而，这种进攻性力量的“民主化”受到 OpenAI 审查流程的严格限制，其中包括背景调查和禁止将模型用于非自愿目标的严格使用条款。

从行业角度来看，这种分层系统在网络安全市场中创造了一个新的层级。缺乏资源构建自身前沿模型的较小公司将被迫依赖 OpenAI 作为主要的基础设施提供商。与此同时，作为 Daybreak 计划一部分的大型安全供应商，随着他们用 AI 驱动的漏洞验证取代昂贵的人工劳动，其利润空间将会增加。发现零日漏洞的经济效率将从数百万美元的研究人员薪酬转变为仅需几美元的计算成本。

审查能否取代护栏？

GPT-5.6-Cyber 的发布为 AI 安全的未来提出了一个根本性问题：是否可能仅通过用户审查来控制一项强大的技术？多年来，AI 行业一直专注于“对齐”，试图将安全性植入模型的权重中。GPT-5.6-Cyber 代表了对该理念的背离。通过发布一个本质上取消了进攻性任务对齐的模型，OpenAI 正押注于他们能够通过管控合同来控制结果。

随着我们迈向更具自主性的工业系统，这些网络安全模型的可靠性变得与装配线上物理机器人的可靠性一样重要。我们正进入一个软件将被要求自我防御的时代，不断探测自身代码的弱点并实时进行修补。GPT-5.6-Cyber 是迈向自动化未来迈出的第一大步，这是一个既必要又危险的工具。对于工程界而言，现在的重点必须从单纯构建这些模型，转向确保围绕它们的审查和控制系统与它们旨在发现的漏洞一样稳健。