5 ноября компания OpenAI предоставила небольшой группе проверенных клиентов доступ к модели GPT-6 Cyber ​​после того, как использовала её для проверки на наличие уязвимостей в двух широко используемых программных продуктах: ядре Linux и браузере Firefox от Mozilla. Компания присвоила модели критический рейтинг кибербезопасности в соответствии со своей собственной системой оценки безопасности, что выше, чем высокий рейтинг предыдущей модели GPT-5.6 Cyber.

Это объявление иллюстрирует, почему инструмент обеспечения безопасности может быть одновременно полезным и сложным в выпуске. Команда может использовать его, чтобы показать, что предполагаемая уязвимость достаточно серьезна, чтобы ее необходимо было оперативно устранить. Эта же возможность может помочь превратить уязвимость в работающую атаку. OpenAI первоначально предлагает модель избранным организациям в рамках программы Daybreak Red, предназначенной для авторизованной работы в области безопасности, и заявляет, что в ближайшие недели расширит доступ для утвержденных клиентов.

Что показал тест Linux

Отчет OpenAI по Linux дает представление о масштабе проблемы. В ходе контролируемого исследования, проведенного в октябре, система выявила 2308 потенциальных уязвимостей и воспроизвела 1724 из них. Было обнаружено 948 различных уязвимостей, для которых удалось продемонстрировать путь к доступу на уровне администратора из локальной учетной записи с низкими привилегиями. Компания оценила стоимость этого исследования примерно в 1,2 миллиона долларов в виде кредитов API, что отражает использование модели, а не общую стоимость проверки и развертывания исправлений.

Представленные данные описывают ряд фильтров, каждый из которых отвечает на отдельный вопрос. Подозрительный фрагмент кода может никогда не дать сбоя на практике. Сбой, который можно воспроизвести, все равно может быть трудно превратить в нарушение безопасности. И работающая демонстрация на изолированной машине не показывает, что один и тот же недостаток может быть использован в любой установке Linux. Результат касается локального доступа в тестируемой среде; это не означает, что модель показала 948 способов взлома машины из интернета.

В OpenAI заявляют, что их система подготовила исправления, а исследователи-люди проверили результаты, прежде чем поделиться выводами и предложенными патчами. Разработчики Linux и другие участники уже занимались решением некоторых из тех же проблем в ходе исследования. Это совпадение имеет значение: количество успешных демонстраций больше, чем количество проблем, выявленных только в ходе этого исследования, и предлагаемый патч все еще находится на рассмотрении разработчиков.

Исправления в Firefox показывают, что произойдет дальше

Компания OpenAI заявила, что ее исследователи выявили 81 ранее неизвестную уязвимость в Firefox, которую Mozilla классифицировала как уязвимость высокой степени серьезности, как сообщило агентство Reuters. В уведомлении Mozilla о проблемах Firefox задокументированы исправления, выпущенные в Firefox 159 27 октября, и в некоторых пунктах указаны исследователи OpenAI, а также результаты исследований других журналистов. Уведомление свидетельствует о том, что исправления были включены в релиз браузера, но это не общее количество обнаруженных уязвимостей (81) и не показатель того, сколько пользователей получили эти исправления.

Компания Mozilla отдельно описала « разрыв в обновлении» (patch gap) — интервал, в течение которого исправление может раскрыть достаточно информации об уязвимости, чтобы злоумышленники могли изучить её, пока некоторые пользователи всё ещё используют уязвимую версию. Более быстрое сканирование может дать разработчикам больше времени для принятия мер до раскрытия информации. Более быстрый анализ опубликованных изменений также может дать злоумышленникам преимущество перед пользователями, которые ещё не обновились. Обнаружение, выпуск и установка — это отдельные этапы, и только последний доставляет исправление на конкретное устройство.

Что измеряет рейтинг критичности

В описании системы OpenAI обозначение «Критический» указывает на возможности модели в рамках используемой компанией платформы. В одном из внутренних тестов, ExploitGym, модель успешно справилась с 48,5% задач, по сравнению с 32,1% у GPT-5.6 Cyber. В обновленном наборе задач, проведенном сторонним оценщиком Irregular, GPT-6 Cyber ​​решила 90 из 288 задач, по сравнению с 96 у GPT-6 Astra. Специализированная модель показала лучшие результаты в некоторых других тестах, поэтому результаты не подразумевают преимущества во всех видах тестирования.

Компания OpenAI также сообщила о более высоких результатах в своих тестах, проверяющих, остается ли модель в рамках систем, которые ей разрешено исследовать. Эти тесты предоставляют данные о конкретных сценариях. Они не могут установить, как модель будет вести себя на каждом рабочем месте, где права доступа, учетные данные и тестовые среды различаются. В этом релизе эти тесты сочетаются с проверкой личности, требованиями к безопасности организации и мониторингом активности за пределами разрешенной области.

Компания в тот же день предоставила доступ к предыдущей модели GPT-5.6 Cyber ​​всем клиентам Daybreak Red. Это дает одобренным командам доступ к старой модели, в то время как более мощная версия становится доступна меньшему числу пользователей. Ноябрьское обновление расширяет возможности тестирования для некоторых команд, не делая новую модель общедоступной.

Следующий этап — предоставление исправлений пользователям

Для команд разработчиков программного обеспечения практический вопрос заключается в том, какую часть дополнительных исследований они смогут превратить в исправления. Отчеты по-прежнему необходимо проверять на наличие дубликатов, ранжировать по степени риска и тестировать, прежде чем можно будет выпускать патчи. Результаты для Linux показывают, как быстро может расти список невыполненных задач, даже если инструмент предоставляет полезные данные, а рекомендации для Firefox показывают, что можно проверить после того, как исправление попадет в релиз.

Внедрение новых функций позволяет на раннем этапе оценить, может ли более строгий доступ позволить специалистам по кибербезопасности использовать более мощные инструменты, не допуская их широкого распространения для неправомерного использования. Наиболее информативные данные будут получены после завершения тестирования: сколько сообщений о проблемах смогут подтвердить разработчики, как быстро они смогут выпускать надежные исправления и как скоро эти исправления достигнут систем, которые от них зависят.