OpenAI 发布 GPT-6 Cyber，可自动生成漏洞利用程序

OpenAI 发布 GPT-6 Cyber，研究人员用这个模型写出了 948 个 Linux 本地提权的漏洞利用程序，还找到 81 个之前没人知道的 Firefox 高危漏洞 https://t.co...

OpenAI 发布 GPT-6 Cyber，研究人员用这个模型写出了 948 个 Linux 本地提权的漏洞利用程序，还找到 81 个之前没人知道的 Firefox 高危漏洞 openai.com/index/introduc… 这件事的分量大家可能没意识到。对做 Agent 和企业应用的人来说，它说明过去要靠专家一步步验证的攻击路径，正在变成 AI 可以自动完成的事。 接下来的问题很关键：模型越来越会找漏洞了，谁来把这种能力接进真正的防御流程？ 会找漏洞，只是第一步 安全团队缺的不是告警，是判断：这个问题能不能复现？会影响哪些系统和数据？先修哪个？修完之后是不是真的堵住了？ 从这个角度看 GCSA 会更清楚。他们披露，它的 Agent 在伯克利团队做的漏洞复现基准 CyberGym Level 1 上，成功率达到 91.3%。这个成绩衡量的是特定条件下复现已知漏洞的能力，不等于能发现未知漏洞，也不能拿来和 GPT-6 Cyber 在另一个基准 ExploitGym 上的成绩直接比。 它的价值在于把「看起来有风险」推进到「能证明有风险」。对从业者来说，有了能复现的证据，问题才更容易进入修复和复测的流程。 更重要的是，把研究接到真实业务里 还有一个容易被忽略的重点：OpenAI 不只强调模型的攻击能力，也在测它能不能守住授权范围。原因很客观：Agent 一旦能调用工具、执行代码，安全问题就不只是答得对不对，还包括它能碰哪些东西、能改哪些东西，出了错又怎么收拾。 顺着这个问题看，GCSA 的价值不只在一个成绩上。港大 10 月 19 日公布的联合研究中心，方向包括模型自身的安全、用 AI 做自动化防御、安全评估和治理。华润隆地 11 月 5 日发布的合作公告，指向反诈、威胁检测和数字金融安全这些具体业务。再加上 GCSA 披露的产品布局，覆盖威胁情报、资产测绘、AI 审计、边缘防护和基础设施防御，能看出它的思路是把研究、风险验证和实际防护连成一条线。 meng shao @shao__meng 从安全工具到 AI Agent 实践：GCSA 布局中值得 AI 从业者关注的价值 @GCSAHK 集中呈现了 AI 与 Web3 安全布局：联合政府、企业、个人用户和安全专家，推动跨境协同防御；通过数十款自研生态产品，覆盖威胁情报、资产测绘、AI 审计、边缘防护和基础设施防御，支持模块化部署。GCSA 披露，生态产品全球用户超过 3.8 亿，其 Agent 在 CyberGym Level 1 漏洞复现评测中取得 91.3% 成功率。同时，GCSA 分别与香港大学、华润隆地智美好及发展中世界工程技术科学院（AETDEW）共建研究中心或研究院，将产品实践与 AI 安全研究相结合。 安全不只是限制 Agent，也能检验 Agent 的能力 GCSA 披露，其 Agent 在 CyberGym Level 1 达到 91.3% 成功率。这类任务要求智能体根据漏洞描述和代码库，构造能够复现漏洞的测试程序。 容易被忽略的是：这不只是安全知识问答，而是对代码理解、工具调用和执行结果验证的综合检验。它体现了 Agent 从“给出建议”走向“完成可验证任务”的方向；当然，这项成绩对应的是漏洞复现，而非所有安全任务。 产品矩阵的潜力，在于连接完整的工作流程 威胁情报、资产测绘、AI 审计、边缘防护和基础设施防御，看起来是不同产品类别，实际对应着一条工作链：发现风险、确定影响范围、分析问题，再采取防御措施。 从 Agent 角度看，这些能力有机会成为可调用的工具和反馈来源。 智能体的价值便不只在生成分析报告，还可能体现在协调多种工具、推进处置流程。模块化部署也意味着，企业可以先接入某个环节，不必一次替换整套安全系统。这是产品布局呈现的潜力，并非帖子已经证明全流程自动化。 研究合作连接的是两类不同问题 GCSA 与港大等机构的合作，既涉及“用 AI 做安全”，也涉及“保护 AI 本身”。前者是让 Agent 辅助漏洞分析、威胁检测和反欺诈；后者则关注模型及其应用带来的新风险。 两者放在一起的意义，是让研究更有机会接触真实业务问题，也让实际问题进入安全评估和研究议程。面向企业与个人的产品布局，还提供了不同的使用场景；GCSA 披露的生态用户规模，则为理解这一布局提供了背景。 🔗 View Quoted Tweet 💬 2 🔄 0 ❤️ 0 👀 124 📊 2 ⚡