Linux三十年攒下的漏洞，被一款大模型复现了一半

文 ｜ 旧叔笔谈

11月5日，OpenAI发布了一款不卖座的模型。

它叫GPT-6 Cyber，专职挖掘和利用软件漏洞。按照OpenAI方面的介绍，GPT-6 Cyber在公司内部的网络安全风险评级里拿到最高的Critical级，比上一代高出一档，并且该模型只有经过背景审核的Daybreak Red项目客户才能调用。

但就是这样一款看着有些神秘且被层层看管的产品，发布当天即交出了一份让整个软件行业都坐不住的成绩单。

GPT-6 Cyber在Firefox浏览器里找到了81个此前从未公开的高危漏洞，还在Linux内核里复现了1724个已知漏洞并为其中948个写出了可用的提权利用程序。

一款会找漏洞、会写攻击代码的模型，就这样第一次以正规商品的形态站到台前。

有意思的是，就在上个月，OpenAI刚因模型能力更强、但守在授权边界内的可靠性下降而取消GPT-6.1 Astra的发布计划，这次便发布了一款以安全为核心卖点的模型，其中意味多少带着一点补课性质。

81个高危漏洞是怎么挖出来的

要理解这份成绩单的分量，可以先了解一下由加州大学伯克利分校与OpenAI等实验室联合开发的AI安全评测基准ExploitGym。该基准被用来评估AI代理漏洞利用能力，它测试的是模型能否真正利用一个指定远程漏洞，让模型亲手完成从发现到利用的全过程。

在ExploitGym基准中，GPT-5.6 Cyber拿到了32.1%，GPT-6 Cyber拿到48.5%，相对提升51%。而在另一项不给源码的黑盒网页漏洞测试里，GPT-6 Cyber发现了40.3%的漏洞，高于自家旗舰模型GPT-6 Astra的32%。

跑分以外，GPT-6 Cyber真正的分量在于实战数据。

研究人员用GPT-6 Cyber复现了1724个Linux内核漏洞，并为其中948个开发出可用的权限提升利用程序，同样的实验设置下GPT-5.6 Sol只做出166个。

值得注意的是，这948个漏洞里，有588个对应的是此前未知的漏洞，OpenAI把其中304个关键发现连同建议补丁一起交给了Linux内核维护者。

Firefox那边，在GPT-6 Cyber找到81个此前从未公开的高危漏洞之后，Mozilla确认这81个漏洞属于高危级别，并已经开始推送修复，相关修复将覆盖数以百万计的用户。

GPT-6 Cyber的这套流程走下来，模型干的活已经和一个顶级安全研究团队没有本质区别，区别只在速度。

能力之外，GPT-6 Cyber的价格同样不普通。

开发者文档显示，GPT-6 Cyber输入每百万token收费20美元，输出100美元，比上一代分别贵了60%和33%左右，也高于Anthropic和谷歌的同类安全模型。

很明显，OpenAI的底气来自其数据表现，它赌的是企业愿意为能找到真漏洞的模型支付溢价。

越能打，越要关在笼子里

这款模型最耐人寻味的部分不是它能做什么，而是OpenAI不让它对谁开放。

从OpenAI内部评估前沿模型风险的分级体系来看，GPT-6 Cyber在网络安全维度被评为Critical，上一代只是High，与旗舰模型GPT-6 Astra同级。

拿到这个评级意味着，OpenAI自己承认GPT-6 Cyber的能力已经危险到不能随便放出去，所以初期只开放给Daybreak Red客户。据统计，这批客户到今年10月大约有2000多家机构，申请时需要说明自己打算用它做哪些防御性工作，相关API访问还绑定了审核过的网络地址。

而作为一款专为找漏洞的模型，OpenAI在经历过此前的安全事件后，自然为自己堆了很多层的防护机制，覆盖滥用监测、凭据保护、沙箱隔离、人工复核、针对关键基础设施的高风险操作拦截等。

针对GPT-6 Cyber是否足够安全可控，最关键的一项测试叫ExploitGym蜜罐评估，其方式是在目标旁边故意放一些授权范围外的脆弱服务，看模型会不会顺手攻击。

结果显示，在没有安全提示时，GPT-6 Cyber在99.93%的运行里没有越界行为，上一代模型的对应数据是94.49%；加了提示词之后，GPT-6 Cyber一次越界行为都没有。

不过OpenAI方面也承认，在0.07%的案例里，模型超出了训练演练的预期范围，并且拒绝透露这些案例是否涉及真实的安全事件，这意味着GPT-6 Cyber仍存在着一定的不可控性。

在笔者看来，这里的0.07%案例可能比那81个漏洞更值得被记住。它说明越界这件事没有被消灭，只是被压到了很小的概率，而概率再小，乘以足够大的调用量就是必然。

OpenAI显然也清楚这一点，所以它同步做了一件事，把漏洞赏金的中高危档中位数平均提高四倍，一个影响ChatGPT、Codex或API平台的关键漏洞最高能拿到3万美元赏金，叠加奖金可达5.1万美元，而此前的对应赏金只有6500美元。

用更强的模型帮别人找漏洞，同时花更多的钱让别人来挖自己的漏洞，只能说逻辑在此刻“闭环”了。

中国AI走的是另一条路

视线拉回国内，AI挖漏洞这件事在中国并没有缺席，只是组织方式完全不同。简单来说，国内走的是安全厂商主导、场景化落地的路子。

以奇安信为例，今年9月，在2026年国家网络安全宣传周的AI赋能网络安全应用测试里，奇安信在网络系统及源代码漏洞智能挖掘和告警日志降噪两个场景都拿了第一，它的做法是运行态黑盒加代码态白盒双路线，用多智能体协同做自主渗透测试，坚持证据优先，证伪数量多于确认数量。

奇安信之外，安恒信息的恒脑代码审计智能体已累计挖出16000多个高危漏洞，最近还找到了一个潜伏在FreeBSD系统里32年的超长周期0day；360的漏洞挖掘智能体图龙锋则在麒麟软件、统信软件、金蝶等国产软件厂商落地。

把不同的侧重点摆在一起，两边的差别就很清晰了。

OpenAI们把漏洞挖掘能力封装进一个通用大模型，按token收费，用准入名单控制风险，商业模式是卖能力。中国厂商把模型嵌进具体客户的具体场景，按项目交付，商业模式是卖结果。

前者的上限更高，因为一个模型可以对全世界的开源软件做体检，但后者的落点更实，像是银行客户要的从来不是948个漏洞的壮观数字，而是自己系统里那几个要命的漏洞马上就能补上。

不过以上不是重点，重点是在AI时代下，这两条路线接下来大概率会合流。

OpenAI已经表态要扩大Daybreak计划，让开源项目维护者和独立研究者也能用上，这等于承认真正的需求在长尾端。而中国厂商积累的行业纵深，恰恰是通用模型最难复制的部分，一个懂电力调度系统业务逻辑的漏洞挖掘智能体，不是调一个API就能替代的。

过去几十年里，软件行业一直默认攻防两端的天平倾向攻击者，因为攻击只需要找到一个漏洞，防御却要堵住所有漏洞。GPT-6 Cyber这样的模型第一次让这个行业共识有了松动的迹象，找漏洞这事本身正在被工业化，而工业化向来对防御方更有利。

安全是一个过程，而不是一个产品。今天，这个过程第一次有了不知疲倦的执行者，剩下的问题只有一个，人给它划的边界，能不能一直被坚定遵守。