OpenAI发布GPT-6 Cyber，这是一款面向授权安全研究的专用模型，能够发现、复现和验证漏洞，并辅助生成修复方案；其网络安全能力被归为Critical级别，因此只向经过审核的防御者逐步开放。
能力提升体现在哪里
官方数据显示，GPT-6 Cyber在ExploitGym上达到48.5%，高于GPT-5.6 Cyber的32.1%；在黑盒Web渗透评测中，漏洞召回率达到40.3%，高于GPT-6 Astra的32.0%。这些指标说明它更擅长把代码理解、漏洞定位和可运行验证串成完整流程。
真实研究中，模型参与复现1724个Linux内核漏洞并为其中948个构建可工作利用，还发现81个此前未知的Firefox高危问题。数字来自官方研究，不能直接等同于普通企业部署后的效果，但说明AI安全审计已经从提示建议走向长程实验。
防御团队适合怎么用
优先用于代码仓库审计、历史漏洞复现、补丁验证和测试用例生成。先限定仓库、版本、目标组件与允许行为，再让模型输出发现依据、复现步骤、影响判断和候选补丁。所有结果由安全工程师独立复核后才能提交。
企业可以参考Gemini网络防御AI评测方法，建立包含真阳性、误报、越界行为、修复正确率和回归测试的内部基准，不要只统计发现数量。
为什么必须使用隔离环境
漏洞验证可能执行不可信样本、触发崩溃或产生网络扫描。测试环境应使用一次性虚拟机或容器，禁止访问生产凭据，限制出口网络和目标IP，文件系统使用快照，任务结束自动销毁。
模型不能自己决定扩大范围。目标域名、仓库、端口和测试时间写入机器可校验的授权策略；任何超出范围的工具调用由网关直接拒绝，而不是只靠提示词提醒。
如何判断发现是否有效
每个报告必须包含受影响版本、最小复现、预期与实际结果、攻击前置条件、影响范围、日志和修复验证。无法稳定复现的结果进入待确认队列，不能直接报高危。
补丁审查要检查是否只掩盖症状、是否引入兼容性问题，以及旧漏洞是否仍能从其他路径触发。自动化扫描的价值在于扩大覆盖，不是跳过负责任披露。
落地结论
采用新模型不能只看演示或厂商基准。应使用真实、脱敏、可复现的任务建立基线，同时记录质量、时延、成本、人工修改量与失败类型。涉及外部发布、生产修改、网络安全、个人数据或不可逆动作时，必须设置最小权限、人工确认、完整日志和快速回退。
资料来源：OpenAI：GPT-6 Cyber官方发布。本文依据公开资料独立整理并补充实操建议，厂商数据按其公开口径表述。
