OpenAI представила GPT-6 Cyber: более мощный поиск эксплойтов и более высокая цена API, чем у Anthropic и Google

OpenAI сегодня выпустила GPT-6 Cyber — специализированную модель для задач безопасности, которая, по словам компании, способна находить и эксплуатировать больше уязвимостей в программном обеспечении, при этом надежнее соблюдая ограничения, установленные исследователями.

Для корпоративных команд безопасности запуск означает появление еще одного инструмента для проверки защиты и разработки исправлений, однако доступ требует одобрения, а опубликованные цены за токены превышают расценки конкурирующих киберморделей от Anthropic и Google.

В документации для разработчиков OpenAI указана стоимость GPT-6 Cyber: 20 долларов за миллион входных токенов и 100 долларов за миллион выходных токенов, а кэшированный ввод стоит 2 доллара за миллион токенов. Эти базовые тарифы выше, чем у предшественницы и у конкурирующих предложений.

Поначалу модель станет доступна избранным клиентам через Daybreak Red — программу закрытого доступа OpenAI для продвинутой авторизованной работы в сфере безопасности. В программу принимают как частных лиц, так и организации при условии, что они загрузят информацию, которую OpenAI использует для проверки, например описание конкретных защитных рабочих процессов, для которых планируется использовать модель (и другие кибермодели и продукты OpenAI).

OpenAI планирует расширить доступ в рамках всего этого уровня, а также расширить доступ к GPT-6 Astra через более широкую и менее строгую программу кибербезопасности Daybreak Blue. OpenAI не уточнила, какие организации и частные лица сейчас участвуют в программе, но сообщает, что по состоянию на прошлый месяц зарегистрировано более 2 000 участников.

Что изменилось по сравнению с GPT-5.6 Cyber

OpenAI описывает GPT-6 Cyber как вариант GPT-6 Astra с дополнительным обучением для расследований в сфере безопасности. В системной карте модели поясняется, что обучение с подкреплением поощряет успех в таких задачах, как воспроизведение сбоев и создание эксплойтов, а также поведение, при котором модель соблюдает рамки авторизации и точно описывает результаты.

Компания оценивает возможности модели в области кибербезопасности как критические (Critical) по своей системе Preparedness Framework — выше, чем высокий уровень (High) у GPT-5.6 Cyber. GPT-6 Astra уже имеет такую же оценку Critical.

В тесте ExploitGym, который проверяет, способна ли модель эксплуатировать заданную уязвимость, OpenAI сообщила о результате 48,5% против 32,1% у GPT-5.6 Cyber. Это прирост на 16,4 процентного пункта, или примерно 51% в относительном выражении.

В отдельном тесте веб-приложений, проводившемся без доступа к их исходному коду, GPT-6 Cyber обнаружила 40,3% уязвимостей против 32% у Astra.

OpenAI также представила RemoteExploitBench — оценку, включающую известные уязвимости в таких приложениях, как GitLab, PostgreSQL и Jenkins. GPT-6 Cyber выполнила 95% задач, тогда как Astra в рамках Daybreak Blue отказалась от всех. Этот контраст отражает как возможности моделей, так и то, что допускают их конфигурации доступа.

Показатель 95% получен в другой оценке, нежели тест на долю выполненных задач, упоминавшийся в августовском материале VentureBeat о GPT-5.6 Cyber. Совпадение заметных процентных значений не означает равной производительности поколений.

Linux и Firefox дают доказательства помимо бенчмарков

По данным OpenAI, исследователи с помощью GPT-6 Cyber воспроизвели 1 724 уязвимости ядра Linux и разработали работающие эксплойты для 948 из них. В той же исследовательской конфигурации GPT-5.6 Sol создала эксплойты для 166.

Компания сообщила, что передала 304 критические находки мейнтейнерам Linux вместе с предлагаемыми патчами и продолжает работу над дополнительными исправлениями. Общее число эксплойтов не следует воспринимать как количество ранее неизвестных или уже исправленных уязвимостей.

Что касается Firefox, OpenAI сообщила о 81 ранее неизвестной уязвимости, которую Mozilla отнесла к категории высокой опасности, а также о доказательствах того, что еще 30 известных проблем заслуживают более высокой оценки серьезности. Исследователи предоставили воспроизводимые тесты и предложили исправления; по словам OpenAI, Mozilla начала внедрять исправления после получения отчетов.

Отзывы клиентов описывают аналогичную работу. Генеральный директор CodeRabbit Харджот Гилл заявил в анонсе: «GPT‑6 Cyber — самая сильная модель для проверки безопасности из всех, что мы тестировали». CodeRabbit сообщила, что в своем внутреннем бенчмарке обнаружила на 66% больше проблем средней и высокой степени опасности, чем ее рабочая модель.

Эти отчеты клиентов подкрепляют практическую ценность модели, однако анонс не содержит общего, независимо проведенного сравнения производительности с моделями конкурентов.

Цены: дороже предшественницы и конкурирующих кибермоделей

В приведенном ниже сравнении используются опубликованные стандартные тарифы API в долларах США за миллион токенов, проверенные 5 ноября. Для OpenAI указаны документированные базовые тарифы или тарифы для короткого контекста; для Google — тарифы глобальных эндпоинтов. Цены на кэшированный ввод относятся к чтению или попаданию в кэш, а не к полной стоимости создания и поддержания кэша.

Источники: страницы моделей OpenAI GPT-6 Cyber и GPT-5.6 Cyber; цены Anthropic; цены Google Cloud. Доступ: Anthropic Mythos, Argon Cyber Permissive и Flash Cyber.

GPT-6 Cyber стоит на 60% дороже за ввод и примерно на 33% дороже за вывод, чем GPT-5.6 Cyber. Ее базовые тарифы на ввод и вывод вдвое выше, чем у Mythos 5.1, и впятеро выше, чем у Argon Cyber Permissive.

Кэширование и размер запросов усложняют сравнение. OpenAI указывает стоимость записи в кэш для GPT-6 Cyber в 25 долларов за миллион токенов на 30 минут или 50 долларов на 12 часов. Для запросов к GPT-5.6 Cyber объемом более 272 000 входных токенов применяется двойной базовый тариф на ввод и полуторный — на вывод для всего запроса. Anthropic указывает стоимость записи в кэш для Mythos 5.1 в 12,50 доллара на пять минут или 20 долларов на час; в ее документации также отмечается, что токенизация различается в разных поколениях моделей. Временная акция Google на обычную Argon не распространяется на Cyber Permissive.

Речь идет о сравнении цен за токены, а не о стоимости одного завершенного расследования. Модели могут расходовать разный объем контекста, рассуждений и повторяющегося вывода инструментов, чтобы прийти к подтвержденной находке. На экономику внедрения также влияют инфраструктура песочниц и проверка аналитиками.

Конкуренты предлагают разные пути к закрытой работе в сфере безопасности

Mythos 5.1 от Anthropic ориентирована на исследования в области кибербезопасности и биологии, а доступ к ней ограничен проверенными организациями. Компания также запускает Claude Security на Mythos 5.1 и принимает заявки на продвинутые кибервозможности через свою программу Cyber Verification Program.

Argon Cyber Permissive от Google поддерживает поиск уязвимостей, обратную разработку, проверку эксплойтов и создание патчей. Клиенты подают заявки через Fairwind или свою команду Google; одобрение более дешевой модели Flash Cyber не дает автоматического доступа к Argon.

Эти предложения конкурируют в пересекающихся задачах, однако одни лишь опубликованные цены не показывают, какая модель дает наиболее полезные находки для конкретной кодовой базы или команды безопасности.

OpenAI ставит авторизацию во главу угла при развертывании

OpenAI прямо связывает свою новую оценку соблюдения рамок задачи с более ранним инцидентом с Hugging Face. Тест ExploitGym Honeypot размещает рядом с назначенной целью соблазнительные уязвимые вспомогательные сервисы. Для успеха модель должна понять, что атака на эти сервисы выходит за рамки задания.

Без промптов безопасности развертывания GPT-6 Cyber избегала таких несанкционированных атак в 99,93% тестов против 94,49% у GPT-5.6 Cyber. С промптами она оставалась в рамках задания во всех протестированных случаях. Эти результаты описывают оценку, а не гарантируют поведение в рабочей среде.

OpenAI сочетает такое обучение с мониторингом и контролем учетных записей. Доступ к API Daybreak Red, как правило, требует одобренных сетевых адресов. Клиенты API с режимом Zero Data Retention, как правило, должны использовать Private Safety Processing — механизм, который проверяет зашифрованные записи взаимодействий, хранящиеся у клиента в течение 30 дней, говорится в анонсе.

Компания также представила Daybreak Red for Critical Infrastructure — дополнительную группу доступа для одобренных команд, тестирующих критически важные системы, и напомнила о своей действующей программе на 1 млрд долларов, субсидирующей доступ для защитников с ограниченными ресурсами.

Для руководителей служб безопасности решение о закупке выходит за рамки вопроса, способен ли агент продемонстрировать эксплойт. Важно и то, остается ли агент в рамках задания, предоставляет ли доказательства, которые инженеры могут воспроизвести, и дает ли достаточно подтвержденных находок, чтобы оправдать как свою цену, так и сопутствующую работу по проверке.