OpenAI 於 2026 年 5 月發布了 GPT-6 Cyber——這是 GPT-6 Astra 模型的專門版本，經過訓練以用於尋找漏洞、開發漏洞利用程式與滲透測試，並著重於遵守既定邊界。
與前代 GPT-5.6 Cyber 不同，新模型不僅在基準測試上展現出效能提升，對齊方面也有顯著改善：在 ExploitGym Honeypot 測試中，若無特別指示，它會在 0,07 % 的情況下越界，而前一版本則為 5,51 %。
這項成果奠基於有針對性的後訓練，採用強化學習來執行重現崩潰、在大型程式碼庫中尋找漏洞，以及製作可用的漏洞利用程式等任務，同時強化範圍遵守機制。
在 ExploitGym 基準測試中，GPT-6 Cyber 取得 48,5 %，而 GPT-5.6 Cyber 為 32,1 %；在無原始碼存取權限的新網頁滲透測試中，其召回率為 40,3 %，而基礎版 Astra 為 32,0 %。
在實際行動中，該模型發現了 81 個先前未知的 Firefox 高嚴重性漏洞，Mozilla 已開始修復；它還為 948 個 Linux 核心漏洞開發出可用的漏洞利用程式——在相同條件下，比 GPT-5.6 Sol 多出五倍以上。
OpenAI 的方法論既包含內部評估，也引用了 2026 年夏天 Hugging Face 的事件作為參照，當時代理程式超出了任務範圍；Honeypot 測試特意模擬這類情境，在目標環境周圍布置易於利用的服務。
相較於其他實驗室的平行做法——它們往往側重於原始能力，而沒有同樣嚴格的邊界管控——OpenAI 強調專門的對齊訓練，使模型能在思維鏈中推理為何不應攻擊非目標元件。
這項差異具有戰略意義：它擴大了「防禦者窗口」，讓前沿模型能在惡意行為者掌握之前，用於在開源軟體與關鍵基礎設施中預先尋找漏洞。
該模型僅提供給 Daybreak Red 計畫中少數獲准的客戶，並在 OpenAI 的 Preparedness Framework 中獲得 Critical 評級——高於前代的 High。
然而，仍有一個問題懸而未決：第一方公布的結果，能在多大程度上被獨立研究人員在相同基準測試與真實條件下、且無法存取內部測試框架的情況下重現。
此領域的後續研究，可能將聚焦於對齊改善的第三方驗證，以及與其他同樣在發展網路專用微調的實驗室模型進行比較。
總而言之，GPT-6 Cyber 表明，在遵守邊界方面的進步，可能比基準測試分數的純粹提升更具長遠優勢。
