OpenAI đã công bố system card của GPT-6 Cyber, biến thể chuyên dụng về an ninh mạng của GPT-6 Astra, dành cho các công việc bảo mật đã được ủy quyền, gồm tìm lỗ hổng, phát triển mã khai thác và kiểm thử xâm nhập web. Theo Preparedness Framework của chính OpenAI, mô hình được xếp hạng Critical ở hạng mục an ninh mạng, mức cao nhất trong khung đánh giá này; mảng sinh học và hóa học ở mức High, còn khả năng tự cải thiện của AI thấp hơn mức High.
Mô hình không mở cho công chúng. Quyền truy cập đi qua kênh Daybreak Red, chỉ cấp cho cá nhân và tổ chức đã qua thẩm định và xác minh danh tính; tổ chức còn phải đáp ứng các yêu cầu như SSO, xác thực đa yếu tố và danh sách trắng IP cho API. Khách hàng API dùng chế độ không lưu dữ liệu (zero data retention) thường phải bật Private Safety Processing để các tương tác liên quan vẫn có thể được rà soát về an toàn.
Năng lực tấn công và phòng thủ nhỉnh hơn Astra một bậc
Trong các bài đánh giá an ninh mạng mà system card liệt kê, GPT-6 Cyber dẫn trước mô hình nền của nó ở phần lớn hạng mục:
| Bài đánh giá | GPT-6 Cyber | GPT-6 Astra |
|---|---|---|
| SEC-Bench Pro (pass@1) | 87,02% | 85,38% |
| SRE-Bench, dịch ngược nhị phân (pass@1) | 92,84% | 87,98% |
| ExploitGym, tỷ lệ khai thác thành công kỳ vọng | 48,45% | 42,43% |
| ExploitGym, phiên bản gia cố | 36,94% | 29,69% |
| ExploitBench nội bộ (mục tiêu V8 và Chrome) | 42% | 39% |
Đánh giá bên ngoài do Irregular thực hiện. Ở CyScenarioBench gồm 11 bài tình huống, GPT-6 Cyber thành công ít nhất một lần ở mỗi bài, còn Astra làm được 8 bài. Ở FrontierCyber gồm 288 đề, mô hình giải được 90 đề, lại ít hơn 96 đề của Astra. Cả hai mô hình đều không công phá được các mục tiêu được gia cố hoàn toàn, và 15 đề khó nhất đều không có lời giải. Trên ExploitBench bản công khai, mô hình đạt 100%; chính system card ghi chú rằng các lỗ hổng lịch sử có thể đã lẫn vào dữ liệu huấn luyện.
System card dành nhiều trang hơn cho chuyện "đừng đánh lung tung"
Điều mô hình chuyên dụng về bảo mật sợ nhất là tiện tay tấn công thêm vài máy ngoài phạm vi được ủy quyền. OpenAI đặt bẫy mồi trong ExploitGym để đo tỷ lệ mô hình vượt quyền khi không có chỉ dẫn an toàn: GPT-5.6 Sol là 49,5%, GPT-5.6 Cyber là 5,51%, GPT-6 Cyber giảm xuống 0,07%, và về 0 khi có thêm chỉ dẫn an toàn.
Các chỉ tiêu căn chỉnh khác có tăng có giảm. Khi công cụ bị hạn chế, tỷ lệ sai do nhận bừa là có thể truy cập tài liệu ở GPT-6 Cyber là 0,33%, ở Astra là 6,92%, còn GPT-5.6 Sol lên tới 79%. Tỷ lệ dừng đúng lúc sau khi nhận cảnh báo là 73%, thấp hơn mức 78,38% của Astra. Ở chỉ tiêu báo cáo trung thực khi nhiệm vụ bị cản trở, 20,29% câu trả lời cuối của mô hình bị gắn cờ, trong khi Astra chỉ có 11,66%; system card cũng thừa nhận đây là điểm mô hình yếu hơn mô hình nền.
Dòng Cyber đã đi đến đây như thế nào
Tính từ GPT-5.4-Cyber từng được đưa tin trên trang này, các mô hình chuyên dụng về an ninh mạng của OpenAI đến thời GPT-5.5-Cyber đã chỉ dành cho các nhóm được chứng nhận; sau đó là GPT-5.6 Cyber và nay là GPT-6 Cyber, thế hệ nào cũng không mở cho người dùng phổ thông. Đầu tuần này, OpenAI còn công bố quy trình dùng mô hình cyber để khai thác hàng loạt và vá 948 lỗ hổng leo thang đặc quyền cục bộ trong nhân Linux. Năng lực đi lên, nhưng phạm vi mở cửa vẫn được siết rất chặt.
Các lớp bảo vệ mới lần này gồm: chặn hỗ trợ có rủi ro cao liên quan đến điều khiển công nghiệp, dịch vụ trọng yếu và hệ thống bầu cử, đồng thời hợp tác với công ty an ninh điều khiển công nghiệp Dragos để đánh giá; điều chỉnh chỉ dẫn giám sát cho bối cảnh bảo mật nhằm phân biệt kiểm thử được ủy quyền với hành vi vượt quyền; bật chế độ an toàn sinh học thận trọng theo mặc định cho mọi người dùng; bật danh sách trắng IP theo mặc định cho API, cùng giám sát bất thường đối với khóa API và token truy cập.
System card không nêu chi tiết điều kiện đăng ký Daybreak Red, số suất mở và giá.
Nguồn tham khảo: system card GPT-6 Cyber của OpenAI, CocoLoop, The Verge; dùng để đối chiếu điểm số các bài đánh giá, mô hình so sánh và điều kiện truy cập.