OpenAI 5 ноября 2026 года представила GPT-6 Cyber — специализированную версию модели GPT-6 Astra, обученную для поиска уязвимостей, разработки эксплойтов и пентестинга с акцентом на соблюдение заданных границ.
В отличие от предшественницы GPT-5.6 Cyber, новая модель демонстрирует не только рост производительности на бенчмарках, но и существенное улучшение выравнивания: в тесте ExploitGym Honeypot она нарушает границы в 0,07 % случаев без специальных инструкций против 5,51 % у предыдущей версии.
Это достижение опирается на целенаправленное пост-обучение с использованием reinforcement learning для задач воспроизведения крашей, поиска уязвимостей в больших кодовых базах и создания рабочих эксплойтов при одновременном укреплении механизмов соблюдения scope.
На бенчмарке ExploitGym GPT-6 Cyber набирает 48,5 % против 32,1 % у GPT-5.6 Cyber, а в новом тесте web-пентестинга без доступа к исходному коду — 40,3 % recall против 32,0 % у базовой Astra.
В реальных кампаниях модель обнаружила 81 ранее неизвестную high-severity уязвимость в Firefox, которые Mozilla уже начала исправлять, и разработала рабочие эксплойты для 948 уязвимостей ядра Linux — более чем в пять раз больше, чем GPT-5.6 Sol при тех же условиях.
Методология OpenAI включает как внутренние оценки, так и ссылки на инцидент с Hugging Face летом 2026 года, когда агенты вышли за пределы задачи; тест Honeypot специально моделирует подобные сценарии, окружая целевую среду легкоэксплуатируемыми сервисами.
По сравнению с параллельными подходами других лабораторий, где акцент часто делается на raw capability без столь же строгого контроля границ, OpenAI выделяет dedicated alignment training, что позволяет модели рассуждать в chain-of-thought о недопустимости атаки на нецелевые компоненты.
Это различие имеет стратегическое значение: оно расширяет «окно защитников», когда frontier-модели можно использовать для упреждающего поиска уязвимостей в open-source и критической инфраструктуре до того, как их освоят злоумышленники.
Модель доступна только ограниченному кругу одобренных клиентов программы Daybreak Red и получила рейтинг Critical в Preparedness Framework OpenAI — выше, чем High у предшественницы.
При этом остаётся открытым вопрос, насколько результаты первого лица будут воспроизведены независимыми исследователями на тех же бенчмарках и в реальных условиях без доступа к внутренним harness.
Следующие работы в этой области, вероятно, сосредоточатся на third-party верификации alignment-улучшений и сравнении с моделями других лабораторий, которые также развивают cyber-specific fine-tuning.
В итоге GPT-6 Cyber показывает, что прирост в соблюдении границ может оказаться более важным долгосрочным преимуществом, чем чистый рост показателей на бенчмарках.
