OpenAI prezanton GPT-6 Cyber, me aftësi më të avancuara për kërkimin e dobësive të sigurisë dhe çmim më të lartë API-je se Anthropic dhe Google

OpenAI publikoi sot GPT-6 Cyber, një model të specializuar sigurie që kompania thotë se mund të zbulojë dhe shfrytëzojë më shumë dobësi të softuerit, duke respektuar më me besueshmëri kufizimet që vendosin studiuesit.

Për ekipet e sigurisë së ndërmarrjeve, lançimi ofron një mjet tjetër për testimin e mbrojtjeve dhe zhvillimin e rregullimeve, por qasja kërkon miratim dhe çmimet e tokenëve të publikuar tejkalojnë ato të modeleve kibernetike konkurruese nga rivalët Anthropic dhe Google.

Dokumentacioni për zhvilluesit i OpenAI e rendit GPT-6 Cyber ​​me një çmim prej 20 dollarësh për milion tokena hyrëse dhe 100 dollarë për milion tokena dalëse , me një çmim të ruajtur në memorje prej 2 dollarësh për milion tokena . Këto çmime bazë e vendosin atë mbi ofertat e tij paraardhëse dhe rivale.

Modeli fillimisht arrin te klientët e përzgjedhur përmes Daybreak Red, programit me akses të mbyllur të OpenAI për punë sigurie të avancuar dhe të autorizuar. Ai pranon individë dhe organizata përmes programit, me kusht që ata të ngarkojnë informacione që OpenAI përdor për shqyrtim, siç janë rrjedhat specifike të punës mbrojtëse për të cilat planifikoni të përdorni modelin (dhe modelet/produktet e tjera kibernetike të OpenAI).

OpenAI planifikon të zgjerojë aksesin në të gjithë atë nivel, ndërkohë që zgjeron gjithashtu aksesin në GPT-6 Astra përmes programit të saj më të gjerë dhe më pak kufizues të sigurisë kibernetike Daybreak Blue. OpenAI nuk ka specifikuar se cilat organizata dhe individë po marrin pjesë aktualisht, por thotë se ka regjistruar mbi 2,000 subjekte që nga muaji i kaluar.

OpenAI e përshkruan GPT-6 Cyber ​​si një variant të GPT-6 Astra me trajnim shtesë për hetimet e sigurisë. Karta e sistemit të saj shpjegon se të mësuarit me përforcime shpërblen suksesin në aktivitete të tilla si riprodhimi i rrëzimeve dhe ndërtimi i shfrytëzimeve, së bashku me sjelljen që respekton autorizimin dhe përshkruan me saktësi rezultatet.

Kompania e vlerëson aftësinë e saj të sigurisë kibernetike si Kritike sipas Kornizës së Gatishmërisë, nga e Lartë për GPT-5.6 Kibernetike. GPT-6 Astra tashmë mban të njëjtin përcaktim Kritik.

Në ExploitGym, i cili teston nëse një model mund të shfrytëzojë një dobësi të caktuar, OpenAI raportoi një rezultat prej 48.5%, krahasuar me 32.1% për GPT-5.6 Cyber. Kjo përfaqëson një rritje prej 16.4 pikësh përqindjeje, ose afërsisht 51% përmirësim relativ.

Në një test të veçantë të aplikacioneve web, të kryer pa qasje në kodin burimor të aplikacionit, GPT-6 Cyber ​​gjeti 40.3% të dobësive, krahasuar me 32% për Astra.

OpenAI prezantoi gjithashtu RemoteExploitBench, një vlerësim që përfshin dobësi të njohura në aplikacione duke përfshirë GitLab, PostgreSQL dhe Jenkins. GPT-6 Cyber ​​përfundoi 95% të detyrave, ndërsa Astra nën Daybreak Blue refuzoi çdo detyrë. Ky kontrast mat si atë që modelet mund të arrijnë ashtu edhe atë që lejojnë konfigurimet e tyre të aksesit.

Shifra prej 95% vjen nga një vlerësim i ndryshëm nga niveli i përfundimit i cituar në raportimin e VentureBeat në gusht të GPT-5.6 Cyber. Përqindjet identike të titujve kryesorë nuk përcaktojnë performancë të barabartë midis brezave.

OpenAI tha se studiuesit që përdorin GPT-6 Cyber ​​riprodhuan 1,724 dobësi të kernelit Linux dhe zhvilluan shfrytëzime funksionale për 948 prej tyre. Duke përdorur të njëjtin konfigurim kërkimi, GPT-5.6 Sol prodhoi shfrytëzime për 166 prej tyre.

Kompania tha se zbuloi 304 gjetje kritike tek mirëmbajtësit e Linux me propozime për patch-e dhe vazhdon të punojë për rregullime shtesë. Totali i shfrytëzimeve nuk duhet të lexohet si një numërim i të metave të panjohura më parë ose të patch-uara tashmë.

Për Firefox, OpenAI raportoi 81 dobësi të panjohura më parë që Mozilla i klasifikoi si me ashpërsi të lartë, plus prova se 30 probleme të tjera të njohura meritonin vlerësime me ashpërsi më të lartë. Studiuesit ofruan teste të riprodhueshme dhe sugjeruan riparime; Mozilla filloi të përfshijë rregullime pasi mori raportet, sipas OpenAI.

Rekomandimet e klientëve përshkruajnë punë të ngjashme. Drejtori Ekzekutiv i CodeRabbit, Harjot Gill, tha në njoftim: “GPT‑6 Cyber ​​është modeli më i fortë që kemi testuar për shqyrtimin e sigurisë.” CodeRabbit raportoi se gjeti 66% më shumë probleme me ashpërsi të mesme dhe të lartë në testin e tij të brendshëm sesa gjeti modeli i tij i prodhimit.

Këto raporte të klientëve mbështesin rastin operativ për modelin, por njoftimi nuk përcakton një krahasim të performancës së përbashkët, të administruar në mënyrë të pavarur, midis shitësve rivalë.

Krahasimi i mëposhtëm përdor normat standarde të publikuara të API-t në dollarë amerikanë për milion token, të kontrolluara më 5 nëntor. Shifrat e OpenAI përdorin normat bazë të dokumentuara ose ato me kontekst të shkurtër; shifrat e Google përdorin pikat fundore globale. Çmimet e të dhënave të ruajtura në memorje të përkohshme i referohen leximeve ose rezultateve, jo kostos së plotë të krijimit dhe mirëmbajtjes së një memorjeje të përkohshme.

GPT-6 Cyber ​​kushton 60% më shumë për të dhënat hyrëse dhe afërsisht 33% më shumë për të dhënat dalëse sesa GPT-5.6 Cyber. Shpejtësitë e tij bazë të të dhënave hyrëse dhe dalëse janë dyfishi i atyre të Mythos 5.1 dhe pesëfishi i atyre të Argon Cyber ​​Permissive.

Ruajtja në memorje dhe madhësia e kërkesës e ndërlikojnë këtë krahasim. OpenAI liston shkrimet në memorjen kibernetike GPT-6 me 25 dollarë për milion tokena për 30 minuta ose 50 dollarë për 12 orë. Kërkesat kibernetike GPT-5.6 që tejkalojnë 272,000 tokena hyrëse kanë dyfishin e shkallës bazë të hyrjes dhe 1.5 herë shkallën e daljes në të gjithë kërkesën. Anthropic liston shkrimet në memorjen e përkohshme Mythos 5.1 me 12.50 dollarë për pesë minuta ose 20 dollarë për një orë; dokumentacioni i saj gjithashtu vëren se tokenizimi ndryshon midis brezave të modeleve. Promovimi i përkohshëm i Google për Argon të zakonshëm përjashton Cyber ​​Permissive.

Këto janë krahasime çmimesh simbolike, jo matje të kostos për hetim të përfunduar. Modelet mund të konsumojnë sasi të ndryshme konteksti, arsyetimi dhe rezultate të përsëritura të mjeteve për të arritur në një gjetje të validuar. Infrastruktura sandbox dhe rishikimi i analistëve ndikojnë gjithashtu në ekonominë e vendosjes.

Mythos 5.1 i Anthropic synon kërkimin mbi sigurinë kibernetike dhe biologjinë, me akses të kufizuar për organizatat e verifikuara. Kompania gjithashtu përdor Claude Security në Mythos 5.1 dhe pranon aplikime për aftësi të përparuara kibernetike përmes Programit të saj të Verifikimit Kibernetik.

Argon Cyber ​​Permissive i Google mbështet zbulimin e dobësive, inxhinierinë e kundërt, verifikimin e shfrytëzimeve dhe gjenerimin e patch-eve. Klientët aplikojnë përmes Fairwind ose ekipit të tyre të Google; miratimi për modelin më të lirë Flash Cyber ​​nuk i jep automatikisht akses Argon-it.

Këto oferta konkurrojnë për punë që mbivendosen, por vetëm çmimet e publikuara nuk tregojnë se cili model prodhon gjetjet më të dobishme për një bazë të caktuar kodi ose ekip sigurie.

OpenAI e lidh në mënyrë të qartë vlerësimin e saj të ri pas fushëveprimit me incidentin e mëparshëm të Hugging Face. Testi i saj ExploitGym Honeypot vendos shërbime mbështetëse joshëse dhe të cenueshme pranë një objektivi të caktuar. Suksesi kërkon që modeli të njohë se sulmi ndaj këtyre shërbimeve bie jashtë detyrës.

Pa udhëzimet e sigurisë së vendosjes, GPT-6 Cyber ​​i shmangu ato sulme të paautorizuara në 99.93% të testeve, krahasuar me 94.49% për GPT-5.6 Cyber. Me udhëzimet, ai mbeti brenda fushëveprimit në çdo rast të testuar. Këto rezultate përshkruajnë vlerësimin, në vend që të japin një garanci për sjelljen e prodhimit.

OpenAI çiftëzon atë trajnim me monitorimin dhe kontrollet e llogarisë. Qasja në API-në e Daybreak Red në përgjithësi kërkon adresa të miratuara të rrjetit. Klientët e API-së me Mbajtje Zero të të Dhënave në përgjithësi duhet të përdorin Përpunimin e Sigurisë Private, i cili kontrollon të dhënat e ndërveprimit të koduara të ruajtura nga klienti për 30 ditë, sipas njoftimit.

Kompania gjithashtu prezantoi Daybreak Red për Infrastrukturën Kritike, një grup shtesë aksesi për ekipet e miratuara që testojnë sistemet thelbësore, dhe theksoi programin e saj ekzistues prej 1 miliard dollarësh që subvencionon aksesin për mbrojtësit me burime të kufizuara.

Për drejtuesit e sigurisë, vendimi i prokurimit shtrihet përtej faktit nëse një agjent mund të demonstrojë një shfrytëzim. Ai përfshin nëse agjenti qëndron brenda detyrës së tij, prodhon prova që inxhinierët mund t’i riprodhojnë dhe ofron gjetje të mjaftueshme të validuara për të justifikuar si çmimin e tij ashtu edhe punën e shqyrtimit rreth tij.