GPT-6 Cyber: อ่านผลทดสอบและตรวจสอบแพตช์ความปลอดภัย

OpenAI เปิดตัว GPT-6 Cyber เมื่อ 5 พฤศจิกายน 2026 โดยเริ่มให้ลูกค้า Daybreak Red บางรายใช้ผ่าน API และ Codex โจทย์ของทีมคือเปลี่ยนสิ่งที่พบให้เป็นการแก้ไขที่ผ่านการตรวจและส่งถึงผู้ใช้

เปิดตัวอะไรและใครใช้ได้

เอกสารระบบ ระบุว่าเป็น GPT-6 Astra รุ่นเฉพาะทางสำหรับงานความปลอดภัยที่ได้รับอนุญาต การเข้าถึงมีข้อจำกัด ข่าวเปิดตัวไม่ได้แปลว่าบัญชี API ทุกบัญชีใช้ได้ บทความจึงไม่เดารหัสโมเดลหรือคำสั่ง SDK

อ่านตัวเลขอย่างไร

ExploitGym เพิ่มจาก 32.1% เป็น 48.5% ต่างกัน 16.4 จุดเปอร์เซ็นต์ หรือเพิ่มสัมพัทธ์ราว 51.1% การใช้ช่องโหว่ที่ระบุกับการค้นหาข้อบกพร่องใหม่เป็นคนละงาน

การทดสอบเว็บโดยไม่มีซอร์สโค้ดรายงาน recall 40.3% เทียบกับ Astra ที่ 32.0% ค่านี้ไม่บอกภาระจากการแจ้งเตือนผิด ต้องถามถึงกลุ่มเป้าหมาย งบเครื่องมือ จำนวนครั้งที่ลอง การช่วยจากคน และต้นทุนต่อผลที่ยอมรับ เว็บไซต์นี้ไม่ได้ทดสอบซ้ำผลของผู้ให้บริการอย่างอิสระ

ตามหลักฐานของ Linux และ Firefox

รายงาน Linux แยกข้อค้นพบเบื้องต้น 2,308 รายการ ช่องโหว่ที่ทำซ้ำได้ 1,724 รายการ และการยกระดับสิทธิ์ภายในเครื่องที่ใช้ได้จริง 948 รายการ ข้อสงสัยมีน้ำหนักต่างจากหลักฐานการข้ามขอบเขตสิทธิ์ การยกระดับภายในเครื่องต้องเข้าถึงเครื่องก่อน ไม่ใช่การรันโค้ดจากระยะไกล

การทดลองใช้เครดิต API มูลค่า 1,213,430 ดอลลาร์สหรัฐ หรือประมาณ 1,279 ต่อการยกระดับสิทธิ์ที่ทำได้จริง ตัวเลขนี้ไม่ใช่ราคาผลิตภัณฑ์หรือต้นทุนแรงงานทั้งหมด ประกาศ Firefox ระบุส่วนประกอบ ความรุนแรง และลิงก์บั๊ก วันที่ 27 ตุลาคมมาก่อนวันเปิดตัวโมเดล จึงต้องแยกวันค้นพบ เปิดเผย แก้ไข และประกาศ

จากคำตอบไปสู่การแก้ไข

แผนภาพเป็นข้อเสนอของผู้เขียน ไม่ใช่สถาปัตยกรรมทางการ เริ่มจากตรึงรุ่นโค้ดและสภาพแวดล้อม โมเดลเสนอสมมติฐานและแพตช์ ส่วนตัวรันแยกต่างหากทำซ้ำปัญหาและตรวจการแก้ไข

เก็บอินพุต บันทึก คำสั่ง และ diff กรณีเดิมต้องล้มเหลวก่อนแพตช์และผ่านหลังแพตช์ พร้อมทดสอบการทำงานปกติที่เกี่ยวข้อง การปิดฟังก์ชันอาจทำให้ไม่ล่ม แต่ทำให้ผลิตภัณฑ์เสียไปด้วย

ตัวตรวจหลักฐานที่รันได้

บันทึกโค้ดเป็น evidence-gate.ts แล้วรัน bun run evidence-gate.ts โค้ดไม่ใช้เครือข่ายและไม่เรียก GPT-6 Cyber แต่ตรวจข้อมูลท้องถิ่นที่มี commit สภาพแวดล้อม และผลก่อนหลังแพตช์

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,
  }),
);

ตัวอย่างแสดง readyForReview: true และ approved: false รหัสจบต้องมาจากตัวรันที่เชื่อถือได้ การตรวจนี้ไม่พิสูจน์ว่าใช้โจมตีได้ แพตช์ถูกต้อง หรือผู้ตรวจเป็นใคร ยังต้องมีการอนุมัติที่ยืนยันตัวตนและหลักฐานแก้ไขไม่ได้ แทน commit สมมติด้วยรุ่นที่ทดสอบจริง

บังคับขอบเขตในชั้นรัน

ประกาศรายงานการทำตามขอบเขต 99.93% เมื่อไม่มีพรอมป์ต์ตอนใช้งาน และ 100% เมื่อมี นี่คือผลสังเกตในชุดทดสอบ ไม่ใช่คำรับรองทุกกรณี เอกสารจัดความสามารถไซเบอร์ระดับ Critical

ควบคุมเป้าหมาย เครือข่ายขาออก และข้อมูลรับรองจากภายนอกโมเดล จำกัดงบการรันและใช้สภาพแวดล้อมที่ทิ้งได้ ข้อความในคลังโค้ดหรือเว็บภายนอกเป็นข้อมูล ไม่ใช่สิทธิ์เพิ่มเติม

วัดผลโครงการนำร่อง

ใช้คลังโค้ดของตนและเทียบรุ่นกับงบที่เท่ากัน วัดผลที่ยอมรับโดยตัดซ้ำ ความสามารถทำซ้ำ เวลารีวิว การรับแพตช์ และเวลาจนใช้งานจริง การแจ้งซ้ำก็กินเวลาทีม

เพิ่มกรณีโค้ดน่าสงสัยที่เรียกไม่ถึง บั๊กที่แก้แล้ว แพตช์ที่ซ่อนการล่ม และเป้าหมายไม่ได้รับอนุญาต เมื่อหลักฐานไม่พอ ระบบควรยอมรับความไม่แน่นอนและหยุด ผู้เขียนให้ความสำคัญกับเวลาจากข้อค้นพบที่ทำซ้ำได้ถึงการแก้ไขจริงมากกว่าจำนวนรายงาน

แหล่งอ้างอิง

ใช้ AI ช่วยร่างและแปล โดยแยกข้อเท็จจริงจากแหล่งข้อมูล ตัวอย่าง และคำแนะนำของผู้เขียน