OpenAI представила GPT-6 Cyber — специализированную модель, способную находить уязвимости и разрабатывать патчи, демонстрирующую рекордные показатели в ExploitGym и RemoteExploitBench.

5 ноября 2026 года OpenAI официально представила GPT-6 Cyber, модель, которая знаменует собой фундаментальный сдвиг в области ИИ для кибербезопасности. В отличие от универсальных моделей, таких как GPT-6 Astra, Cyber была спроектирована как узкоспециализированный инструмент для поиска эксплуатируемых уязвимостей и автоматической разработки исправлений (patches).
Это не просто очередной шаг в развитии LLM, а попытка создать «цифрового специалиста по безопасности», способного работать в рамках строго определенных полномочий. Модель нацелена на укрепление защиты критической инфраструктуры, позволяя исследователям безопасности и защитникам находить бреши в коде до того, как ими воспользуются злоумышленники.
Хотя OpenAI не раскрывает точное количество параметров, архитектура GPT-6 Cyber включает в себя продвинутые механизмы мониторинга несоответствия (misalignment monitoring), специфичные для киберзадач. Модель прошла глубокую настройку для работы в рамках авторизованного масштаба (authorized scope), что критически важно для предотвращения несанкционированных атак.
Особое внимание уделено защите критической инфраструктуры. В модель интегрированы механизмы Private Safety Processing, которые обеспечивают 30-дневное зашифрованное рецензирование записей, а также системы защиты, прошедшие оценку Dragos OT/ICS для работы в промышленных средах.
GPT-6 Cyber демонстрирует колоссальный отрыв от своих предшественников. В бенчмарке ExploitGym модель набрала 48.5%, что на 51% выше показателя GPT-5.6 Cyber (32.1%). В задачах тестирования веб-пентеста без исходного кода модель показала recall уязвимостей на уровне 40.3%, превосходя универсальную GPT-6 Astra (32.0%).
Наиболее впечатляющие результаты были достигнуты в RemoteExploitBench (контролируемые среды GitLab, PostgreSQL, Jenkins). В то время как GPT-6 Astra отказывалась выполнять 100% задач на эксплуатацию, GPT-6 Cyber успешно завершила 95% из них. Это подчеркивает разницу между «безопасным отказом» универсальной модели и «контролируемой эффективностью» специализированной.
В реальных сценариях модель уже доказала свою ценность: она обнаружила 81 новую уязвимость высокой степени серьезности в Firefox, предоставив воспроизводимые доказательства и патчи, которые Mozilla начала внедрять почти сразу после раскрытия.
Одной из главных проблем мощных кибер-моделей является риск выхода за рамки дозволенного. OpenAI внедрила значительный скачок в этапе выравнивания (alignment). В тестах ExploitGym Honeypot модель избегала эксплуатации сервисов вне рамок задачи в 99.93% случаев, что является огромным прогрессом по сравнению с 94.49% у GPT-5.6 Cyber.
Для обеспечения безопасности доступ к модели жестко ограничен. Она доступна через API и Codex только для одобренных клиентов программы Daybreak Red. По умолчанию включен белый список IP-адресов, что минимизирует риск несанкционированного использования мощностей модели.
GPT-6 Cyber предназначена для высокоуровневых задач безопасности, где требуется глубокое понимание логики программного обеспечения и системных вызовов. Она идеально подходит для автоматизации рутинных процессов аудита кода и проверки сложных цепочек эксплойтов.
Основные области применения включают: аудит ядра Linux, поиск уязвимостей в библиотеках сжатия (как в случае с критической RCE в Brotli для Node.js), а также проверку защищенности промышленных систем управления (ICS/OT).
В отличие от потребительских моделей, OpenAI не публикует общую сетку цен для GPT-6 Cyber. Доступ предоставляется исключительно верифицированным клиентам Daybreak Red. Это решение продиктовано классификацией модели как 'Critical' в рамках Preparedness Framework.
Для защитников критической инфраструктуры запущена программа Daybreak для Frontline Defenders стоимостью 1 миллиард долларов, которая субсидирует доступ к модели. Планируется постепенное расширение списка доступных пользователей по мере совершенствования протоколов безопасности.