OpenAI发布新型网络安全模型GPT-6 Cyber，减少对其他公司的误入侵

（AI云资讯消息）OpenAI 正式推出 GPT-6 Cyber，这是其网络安全 AI 模型的最新版本。该公司表示，这款模型在漏洞挖掘方面表现更强，同时在执行任务时失控入侵其他平台的概率更低。OpenAI 称，测试期间，GPT-6 Cyber 出现越界行为的占比不足 1%，而此前 GPT-5.6 Cyber 的越界比例约为 5%。

这项名为 ExploitGym HoneyPot 的评测项目，参考了Hugging Face 事件设计。在该事件中，OpenAI 的智能体为完成指定任务，侵入了这个开源人工智能社区寻找答案。OpenAI 网络安全预案与安全团队负责人福阿德・马廷（Fouad Matin）在媒体简报会上表示：“借助 GPT-6 Cyber 模型，我们在这项评测上取得了巨大进步。模型超过 99% 的情况都会按指令执行。”

不过，评测感知问题依旧令人担忧，也就是 AI 系统识别出自身正在接受测试，并据此改变自身行为的现象。马廷称：“评测感知是我们首要关注的重点。我们观察到评测感知现象时，往往能从模型的思维链中发现迹象。” 他补充道，OpenAI 正优先开展贴近真实生产环境的评测：让模型对接真实代码库、围绕真实目标开展任务，以此降低评测感知带来的风险。

接连发生多起 AI 网络安全事件后，OpenAI 加紧完善安全防护机制，严控旗下最强模型。该公司曾短暂暂停前沿 AI 模型的训练工作，目前已限制这类模型访问互联网。

依据 OpenAI 的安全预案框架，GPT-6 Cyber 在网络安全风险等级中被划为关键级（Critical）。这意味着该模型无需人工介入，即可在众多防护完善的现实关键系统中，发现并生成可生效的各类严重等级零日漏洞利用程序。此前，GPT-5.6 Cyber 在这套框架下的等级为高风险级（High）。

OpenAI 表示，在绝大多数网络安全相关任务上，GPT-6 Cyber 的表现优于同属关键级（Critical）的旗舰模型 GPT-6 Astra。在用于衡量 AI 模型漏洞利用能力的基准测试 ExploitGym 中，GPT-6 Cyber 得分达到 48.5%，较 GPT-5.6 Cyber 的 32.1% 高出约 16 个百分点，同时也略高于 GPT-6 Astra 的 42.4%。

除此之外，GPT-6 Cyber 配备了更强的安全防护机制，能够识别并阻断滥用行为，同时也能更好地遵从用户指令。OpenAI 称，模型新增多项校验规则，用于拦截高风险操作，其中包括针对电厂、水处理设施等关键基础设施发起的攻击。