GPT-6 Cyber: बेंचमार्क समझें और सुरक्षा सुधारों की जाँच करें

OpenAI ने 5 नवंबर 2026 को GPT-6 Cyber पेश किया। शुरुआत में चुनिंदा Daybreak Red ग्राहकों को API और Codex से पहुँच मिलती है। टीम के लिए असली सवाल है कि खोज को जाँचे हुए सुधार में बदलकर उपयोगकर्ताओं तक कैसे पहुँचाया जाए।

क्या जारी हुआ

सिस्टम कार्ड इसे अधिकृत सुरक्षा कार्यों के लिए GPT-6 Astra का विशेष संस्करण बताता है। पहुँच सीमित है। घोषणा का मतलब हर API खाते में उपलब्धता नहीं है; यहाँ अनुमानित मॉडल ID या SDK कॉल नहीं दी गई है।

आँकड़े कैसे पढ़ें

ExploitGym का परिणाम 32.1% से 48.5% हुआ: 16.4 प्रतिशत अंक की वृद्धि, या करीब 51.1% सापेक्ष सुधार। बताई गई कमजोरी का उपयोग करना और अज्ञात दोष खोजना अलग काम हैं।

बिना स्रोत कोड वाले वेब परीक्षण में recall 40.3% बताया गया, जबकि Astra के लिए 32.0%। इससे गलत चेतावनियों का बोझ नहीं पता चलता। लक्ष्य, टूल बजट, दोबारा प्रयास, मानवीय मदद और स्वीकार की गई खोज की लागत पूछनी चाहिए। इस साइट ने प्रदाता के परीक्षण स्वतंत्र रूप से दोहराए नहीं हैं।

Linux और Firefox के प्रमाण

Linux रिपोर्ट में 2,308 संभावित खोजें, 1,724 दोहराई गई कमजोरियाँ और 948 काम करने वाले स्थानीय विशेषाधिकार-वृद्धि एक्सप्लॉइट अलग हैं। संदेह और वास्तव में अनुमति की सीमा पार करने का प्रमाण समान नहीं हैं। स्थानीय विशेषाधिकार वृद्धि के लिए पहले स्थानीय पहुँच चाहिए; यह दूरस्थ कोड निष्पादन नहीं है।

इस अभियान में 1,213,430 अमेरिकी डॉलर के API क्रेडिट लगे, यानी हर काम करने वाले स्थानीय एक्सप्लॉइट पर करीब 1,279 डॉलर। यह उत्पाद की कीमत या पूरी मानव-श्रम लागत नहीं है। Firefox सूचना में घटक, गंभीरता और बग के लिंक हैं। इसकी 27 अक्टूबर की तारीख मॉडल घोषणा से पहले है; खोज, खुलासा, सुधार और लॉन्च की तारीखें अलग रखनी चाहिए।

उत्तर से सुधार तक

नीचे का चित्र लेखक का प्रस्तावित कामकाज है, आधिकारिक संरचना नहीं। पहले कोड संशोधन और वातावरण तय करें। मॉडल परिकल्पना और पैच सुझाए; अलग रनर समस्या दोहराए और सुधार जाँचे।

इनपुट, लॉग, कमांड और diff बचाएँ। वही उदाहरण पैच से पहले विफल और बाद में सफल होना चाहिए; आसपास के सही व्यवहार के लिए regression परीक्षण भी जरूरी हैं। सुविधा बंद करने से क्रैश छिप सकता है और उत्पाद टूट सकता है।

चलाने योग्य प्रमाण-जाँच

कोड evidence-gate.ts में सहेजें और bun run evidence-gate.ts चलाएँ। यह नेटवर्क या GPT-6 Cyber का उपयोग नहीं करता। यह commit, वातावरण और पैच से पहले-बाद के नतीजों वाला स्थानीय रिकॉर्ड जाँचता है।

type Finding = {
  id: string;
  commit: string;
  environment: string;
  before: number;
  after: number;
  regression: number;
  reviewer: string | null;
};

function readyForReview(f: Finding): boolean {
  return (
    /^[a-f0-9]{40}$/.test(f.commit) &&
    f.environment.trim().length > 0 &&
    f.before !== 0 &&
    f.after === 0 &&
    f.regression === 0
  );
}

const finding: Finding = {
  id: "LAB-001",
  commit: "a".repeat(40),
  environment: "isolated-vm / fixture-v1",
  before: 1,
  after: 0,
  regression: 0,
  reviewer: null,
};

if (!readyForReview(finding)) {
  throw new Error("Evidence incomplete");
}
console.log(
  JSON.stringify({
    id: finding.id,
    readyForReview: true,
    approved: finding.reviewer !== null,
  }),
);

उदाहरण में readyForReview: true और approved: false मिलता है। निकास कोड विश्वसनीय रनर से आने चाहिए। यह जाँच एक्सप्लॉइट की व्यवहार्यता, पैच की शुद्धता या समीक्षक की पहचान साबित नहीं करती; प्रमाणित स्वीकृति और अपरिवर्तनीय रिकॉर्ड चाहिए। काल्पनिक commit की जगह वास्तविक परीक्षित संस्करण रखें।

सीमाएँ निष्पादन स्तर पर लागू हों

घोषणा के अनुसार deployment prompts के बिना दायरे का पालन 99.93% और उनके साथ 100% रहा। यह परीक्षण का अवलोकन है, सार्वभौमिक गारंटी नहीं। सिस्टम कार्ड साइबर क्षमता को Critical मानता है।

लक्ष्य की अनुमति, बाहरी नेटवर्क और credentials को मॉडल के बाहर नियंत्रित करें। रनर का बजट सीमित और वातावरण फेंकने योग्य हो। रिपॉजिटरी या बाहरी पन्नों के निर्देश डेटा हैं, नई अनुमति नहीं।

पायलट में क्या मापें

अपने रिपॉजिटरी पर समान संशोधन और बजट की तुलना करें। स्वीकार हुई अनूठी खोजें, दोहराव की सफलता, समीक्षा का समय, पैच स्वीकृति और deployment तक का समय मापें। दोहरी चेतावनियाँ भी संसाधन लेती हैं।

ऐसे मामले जोड़ें जिनमें संदिग्ध कोड तक पहुँचना संभव न हो, बग पहले ठीक हो, पैच केवल क्रैश छिपाता हो या लक्ष्य अनधिकृत हो। प्रमाण कम होने पर प्रणाली अनिश्चितता बनाए रखे और रुके। मेरे हिसाब से प्राथमिक माप दोहराई जा सकने वाली खोज से लागू सुधार तक का समय है।

संदर्भ

लेखन और अनुवाद में AI की सहायता ली गई। स्रोत के तथ्य, उदाहरण और लेखक की सिफारिशें अलग रखी गई हैं।