GPT‑6 Cyber eleva exploração de vulnerabilidades, sob acesso restrito e avaliação de limites

A OpenAI apresentou o GPT‑6 Cyber, um modelo especializado em encontrar e validar vulnerabilidades dentro de um âmbito autorizado. No ExploitGym, a empresa reporta 48,5% de sucesso, contra 32,1% no GPT‑5.6 Cyber. O aumento mede tarefas de exploração previamente definidas; não demonstra desempenho universal contra qualquer sistema real.

Do benchmark a código usado

A empresa afirma ter usado o modelo para desenvolver 948 exploits de escalada de privilégios em vulnerabilidades do Linux e identificar 81 falhas até então desconhecidas, classificadas como graves, no Firefox. Também diz que o sistema ajudou a preparar correções e que a Mozilla publicou soluções para muitas dessas falhas.

A Mozilla confirmou separadamente que modelos de fronteira estão a acelerar a descoberta e correção de vulnerabilidades no Firefox e descreveu a necessidade de reduzir o intervalo entre descoberta e patch. A confirmação sustenta a colaboração e a tendência; a atribuição exata de cada número ao GPT‑6 Cyber depende da documentação da OpenAI.

Limites e controlo de âmbito

Numa avaliação de alinhamento publicada pela empresa, o modelo evitou explorar serviços fora do âmbito em 99,93% dos testes sem o prompt de implantação e em 100% com esse prompt. Estes resultados decorrem de um conjunto controlado e não eliminam risco operacional, sobretudo quando credenciais, redes e instruções são ambíguas.

O acesso à capacidade ofensiva completa não é aberto. O modelo é oferecido através do Daybreak Red a equipas verificadas para investigação e testes autorizados. Produtos gerais continuam orientados para revisão de código, triagem e correção. A fronteira prática entre defesa e uso indevido depende tanto do modelo como dos controlos de acesso, registos e autorização.

Conclusão editorial

O anúncio mostra que agentes especializados já conseguem produzir trabalho ofensivo em volume útil para equipas de segurança. Também concentra a evidência principal no fornecedor do modelo. A validação mais importante será externa: repetição dos ganhos por investigadores independentes, qualidade real dos patches e taxa de falsos positivos em bases de código que não pertencem aos parceiros iniciais.