OpenAI 在 11 月 5 日推出 GPT-6 Cyber,这是一款专做安全工作的模型,用于漏洞研究、补丁开发与授权范围内的攻击模拟。它不对公众开放,只提供给通过审核的 Daybreak Red 客户,可通过 API 和 Codex 调用。

早期测试给出的数字很扎眼:在 Linux 内核中识别出 948 个不同漏洞。这类数字容易被读成"AI 可以替代安全工程师",实际情况要克制得多。

一、它做对了什么

传统自动化审计工具的强项是模式匹配:已知的危险函数、已知的依赖漏洞、已知的注入点。它们对"代码看起来没问题但逻辑上可被绕过"的情况几乎无能为力。

大模型的长处恰好在这里——它能读懂一段代码想干什么,然后问"如果我这样输入,会发生什么"。把这种能力用在操作系统内核这种体量大、路径复杂、历史包袱重的代码库上,才有可能翻出人类审计者没时间逐一追的边界条件。

二、948 这个数字怎么读

第一,漏洞不等于可利用漏洞。其中有多少能被实际触发、影响哪些版本、是否需要本地权限,需要人工分级。把原始输出直接当结论,会浪费大量时间在不可达的路径上。

第二,误报成本仍在。安全团队的真实瓶颈不是"发现不了问题",而是"判不过来"。一个能产出上千条线索的工具,如果没有配套的自动分级与去重,反而会增加负担。

第三,它只对审核客户开放。这意味着绝大多数团队现在用不上,短期内也不该把它写进采购计划。趋势上的意义大于当下的可用性:模型厂商开始为特定高风险领域做垂直版本,并配一套准入机制。

三、普通团队现在能做什么

不必等专用模型。已有的通用模型加上工程约束,能覆盖相当一部分收益:

一是把"代码审查"从人工抽检改成例行任务,每次提交自动跑一遍,只看高危模式与权限边界。

二是把历史漏洞整理成可检索的案例库,让模型在新代码上找"和这个案例像不像",比让它凭空想象更准。

三是守住授权边界。任何自动化测试都要有明确范围、时间窗和回滚方案,别在生成环境上试。

四是留人做最终判断。模型能给出可能性,不能承担后果。

最后提醒一句:安全能力的扩散是双向的。同一个模型既能找漏洞也能写利用代码,所以厂商设了准入门槛。企业自己部署类似能力时,同样需要一套内部准入与审计规则,而不是发个 API key 就完事。