OpenAI、サイバーセキュリティ特化モデルGPT-6 Cyberを発表

GPT-6 Cyberは、悪用可能な脆弱性を見つけて検証しつつ、研究者が定めた範囲を守るよう訓練されたモデルである。ExploitGymではGPT-5.6 Cyberの32.1%から48.5%へ向上した。新たに作成したWebペネトレーションテスト評価では、脆弱性の再現率が40.3%で、GPT-6 Astraの32.0%を上回った。GitLab、PostgreSQL、Jenkinsなどの既知の脆弱性を使うRemoteExploitBenchでは、Daybreak Blue上のGPT-6 Astraが100%を拒否したのに対し、GPT-6 Cyberは95%を完了した。OpenAIはPreparedness Frameworkでサイバー分野をCriticalと分類しており、GPT-5.6 CyberのHighから引き上げられた。

アラインメントでは、許可された範囲内にとどまり、行動の制限に従い、結果を正確に報告するための専用トレーニングを行ったとしている。Hugging Faceの事案を踏まえたExploitGym Honeypotでは、デプロイ用プロンプトなしで範囲外のサービスを悪用しなかった割合が99.93%で、GPT-5.6 Cyberの94.49%から上がった。プロンプトありでは100%だった。

実環境での成果も示されている。OpenAIの研究者はLinuxで1,724件の脆弱性を再現し、948件で動作するエクスプロイトを開発した。同じ研究ハーネスでGPT-5.6 Solが悪用した166件の5倍超にあたる。重大な304件はパッチ候補とともにメンテナーへ開示した。Firefoxでは、Mozillaが高深刻度と分類した81件の未知の脆弱性について証拠と再現テストを作成し、Mozillaは修正の反映を始めている。Cisco、Calif、CodeRabbitなどの顧客もコメントを寄せている。

悪用対策として、サイバー特化のミスアラインメント監視、Private Safety Processing、Daybreak Red APIでのIP許可リスト必須化などを加えた。重要インフラ向けには10億ドルのDaybreak for Frontline Defendersと、承認された防御者向けのDaybreak Red for Critical Infrastructureを設け、Dragosとの評価で保護策を調整した。提供は当面APIとCodexで承認済みのDaybreak Red顧客の一部に限られ、順次拡大する予定である。GPT-5.6 CyberはすべてのDaybreak Red顧客に提供される。