GPT-5.6-Cyber svarer der standardmodellen nekter

GPT-5.6-Cyber er OpenAIs nye spesialistmodell for avansert sikkerhetsarbeid, og den store forskjellen er at den faktisk svarer på oppgaver som standardmodellen som regel nekter å utføre. For sikkerhetsfolk kan det bety mindre tid brukt på å overtale AI-en om at et godkjent oppdrag faktisk er lovlig.

Modellen blir ikke lagt åpent ut til alle. OpenAI plasserer den i Daybreak Red, et kontrollert tilgangsnivå for godkjent sårbarhetsforskning, exploit-validering, penetrasjonstesting og red teaming. Daybreak Blue blir inngangen for de fleste andre sikkerhetsteam, med GPT-5.6 Sol og tilpassede sikkerhetsmekanismer for defensivt arbeid.

Det er en viktig forskjell. Dette er ikke bare enda en modell som scorer noen prosentpoeng bedre i en test. OpenAI prøver å løse et praktisk paradoks: De samme evnene som kan hjelpe en forsvarer med å finne og tette et hull, kan hjelpe en angriper med å utnytte det. Resultatet er en modell med langt færre avslag, men også identitetskontroll, avgrenset tilgang, logging og krav til hvordan den brukes.

Hva er GPT-5.6-Cyber?

GPT-5.6-Cyber er en spesialtrent utgave av GPT-5.6 Sol for avansert, autorisert cybersikkerhetsarbeid. Ifølge OpenAIs lansering 10. august er den trent for blant annet å finne ukjente sårbarheter, utvikle exploit-kjeder og håndtere dual-use-oppgaver som vanlige modeller ofte avviser.

«Dual-use» er den kinkige delen. En forespørsel om å omgå autentisering kan være nødvendig i en godkjent penetrasjonstest, men den samme kunnskapen kan brukes i et innbrudd. Vanlige sikkerhetsfiltre ser ikke alltid forskjell på hensikten, særlig når den tekniske forespørselen er identisk. Derfor møter legitime forskere ofte avslag midt i et oppdrag.

OpenAI har gått lenger enn bare å skru av ett filter. GPT-5.6-Cyber er trent til å være mer samarbeidsvillig på bestemte høyrisikooppgaver og samtidig bedre på selve sikkerhetsarbeidet. Den beholder den generelle resonneringsevnen fra Sol, men er rettet inn mot sårbarhetsanalyse, exploit-utvikling og forskning som krever mange steg gjennom store og ukjente kodebaser.

Hvor stor er forskjellen i praksis?

Forskjellen er først og fremst synlig i hvor ofte modellen fullfører avanserte forespørsler. I OpenAIs interne test svarte GPT-5.6-Cyber på 95,0 prosent av oppgavene, mot 57,3 prosent for GPT-5.5-Cyber, 2,0 prosent for GPT-5.6 Sol gjennom Daybreak Blue og bare 1,5 prosent for vanlig GPT-5.6 Sol.

Testen omfatter forespørsler om exploit-kjeder, omgåelse av autentisering, rettighetseskalering og andre oppgaver som kan være både legitime og farlige. Den måler altså først og fremst om modellen svarer, ikke om hvert svar er riktig eller om arbeidet ender med en fungerende exploit. Likevel er 95 mot 2 prosent en forskjell som merkes lenge før noen åpner et regneark med benchmark-resultater.

For et sikkerhetsteam er avslag mer enn en liten irritasjon. Arbeidet mister sammenheng når forskeren må dele opp en legitim oppgave, omskrive den flere ganger eller bytte modell underveis. En modell som følger hypotesen gjennom kode, validering og dokumentasjon kan spare tid. Men høy fullføringsrate betyr også at tilgangskontrollen må tas alvorlig. Når modellen er trent til å slutte å si nei, kan ikke et vanlig passord være hele sikkerhetsplanen.

Er modellen faktisk bedre til å finne sårbarheter?

GPT-5.6-Cyber gjorde det bedre enn både GPT-5.6 Sol og GPT-5.5-Cyber i OpenAIs variant av ExploitGym, der en agent skal gjøre en kjent sårbarhet om til en fungerende exploit i et kontrollert miljø. Den slo også Sol i en intern test av ukjente sårbarheter, der modellen måtte lage proof-of-concept og vurdere alvorlighetsgraden.

OpenAI viser til et konkret funn i V8, JavaScript-motoren i Chrome. Modellen fant to tidligere ukjente sårbarheter som kunne lenkes sammen for å ødelegge minne og komme seg ut av V8s heap-sandkasse. Google rettet feilen og ga den identifikatoren CVE-2026-15903. Ifølge OpenAI skyldtes den ene feilen at den optimaliserende kompilatoren hoppet over en sikkerhetskontroll ved konvertering av verdier til heltall.

Selskapet sier også at modellen har funnet minst fem sårbarheter i et populært mobiloperativsystem, tre kritiske feil i en database og over 400 muligheter for rettighetseskalering i en mye brukt operativsystemkjerne. Navnene er foreløpig holdt tilbake mens feilene blir rettet og offentliggjort på en koordinert måte. Det er riktig prosedyre, men det betyr også at tallene foreløpig er OpenAIs egne påstander og ikke en bunke ferdige, uavhengig kontrollerbare CVE-er.

Dette bygger videre på en tydelig retning i GPT-5.6-familien. I den opprinnelige presentasjonen av GPT-5.6 beskrev OpenAI Sol som sin sterkeste generelle cybermodell, med 73,5 prosent på ExploitBench mot 47,9 prosent for GPT-5.5. Cyber-utgaven handler derfor ikke om å gjøre en svak modell brukbar. Den skal gjøre en allerede kapabel modell mer villig og mer spesialisert.

Spesialisten taper også mot Sol

GPT-5.6-Cyber er ikke best på alt. I OpenAIs test for å oppdage og skrive rapporter om sårbarheter presterte vanlig GPT-5.6 Sol bedre. Selskapets forklaring er at Cyber-modellen noen ganger leverte kortere og mindre detaljerte rapporter. Det er en ganske relevant svakhet når funnet skal gjennomgås av et menneske og sendes videre til utvikleren som skal rette feilen.

På ExploitBench var Sol gjennom Daybreak Blue også best i standardoppsettet på 300 runder. GPT-5.6-Cyber nærmet seg først da grensen ble økt til 600 runder. Spesialiseringen kan med andre ord koste både flere tokens og mer tid på enkelte oppgaver. OpenAI opplyser selv at Cyber-modellen gjerne bruker et større resonneringsbudsjett enn Sol.

Det gir en mer nøktern arbeidsdeling. Daybreak Red bør ikke automatisk være standardvalget bare fordi navnet ender på Cyber. Vanlig sikker kodegjennomgang, trusselmodellering, hendelseshåndtering og patch-validering kan passe bedre i Blue. Red blir aktuelt når forskeren faktisk trenger exploit-utvikling, avansert sårbarhetsforskning eller red teaming som utløser avslag i den generelle modellen.

Det er samme prinsipp som gjelder i andre AI-systemer: riktig modell til riktig del av jobben. En spesialist som er flinkere til å bryte gjennom et bestemt problem, trenger ikke være den beste til å skrive den endelige rapporten. Jeg har samlet bakgrunnen for selskapets modeller og produkter i artikkelen OpenAI – alt du trenger å vite, hvis modellnavnene begynner å bli en egen sikkerhetsrisiko.

Hva er forskjellen på Daybreak Blue og Red?

Daybreak Blue gir godkjente forsvarere tilgang til GPT-5.6 Sol med systemfiltrene for cyberoppgaver fjernet eller tilpasset. Modellens egne avslag på særlig følsomme oppgaver finnes fortsatt. Nivået er ment for de fleste team som jobber med kodegjennomgang, sårbarhetsfunn, malware-analyse, hendelsesrespons og validering av patcher.

Daybreak Red gir tilgang til spesialmodeller som GPT-5.6-Cyber. Her er målgruppen autorisert exploit-validering, penetrasjonstesting, red teaming og forskning på ukjente sårbarheter. OpenAI åpner for både enkeltpersoner og organisasjoner, men godkjenning er ikke automatisk. Oversikten over Trusted Access krever at arbeidet gjelder systemer du eier, driver eller uttrykkelig har tillatelse til å teste.

Dette er heller ikke en vanlig modell du uten videre legger bak et kundeprodukt. Tilgangen er ment for godkjente interne brukere og arbeidsflyter. Den kan ikke brukes som en omvei for å gi tredjepart, kunder eller offentlig trafikk tilgang til de reduserte sikkerhetsmekanismene. Bedrifter som vil bygge den inn i tjenester for kunder, må gå gjennom egne partnerordninger.

Hvilke sikkerhetstiltak krever OpenAI?

Alle Daybreak-kontoer for enkeltpersoner må bruke fysisk sikkerhetsnøkkel fra 1. september 2026. OpenAI bruker også identitetskontroll, kontosikkerhet, overvåkning, juridiske erklæringer og avgrensning av godkjent bruk. Modellen ble vurdert til nivået «High» for cyberkapasitet i selskapets Preparedness Framework, men ikke «Critical».

OpenAI anbefaler at Codex kjører med auto-review i stedet for full tilgang. Handlinger som krever utvidede rettigheter skal da vurderes før de utføres, og risikable eller destruktive kall kan blokkeres. Selskapet anbefaler også isolerte sandkasser uten tilgang til sensitive produksjonssystemer eller det åpne internettet, tydelig definert omfang og menneskelig overvåkning av agentens handlinger.

Det er den praktiske lærdommen også for team som aldri får tilgang til GPT-5.6-Cyber. En cyberkapabel agent bør få minst mulig tilgang, kjøre isolert og møte en menneskelig kontrollpost før den gjør noe utenfor sandkassen. Modellens navn er ikke en sikkerhetsgrense. Det er tillatelser, nettverk, logger og gjennomgang som avgjør hvor stor skade en feil eller uventet handling kan gjøre.

OpenAI har selv ferske erfaringer med hvorfor det er nødvendig. I lanseringen presiserer selskapet at GPT-5.6-Cyber ikke var involvert i hendelsen der andre modeller kom seg inn i Hugging Face-systemer under testing. Presiseringen fritar ikke den nye modellen fra samme type risiko. Tvert imot er hele poenget at den er bedre rustet til arbeid som blir farlig i feil miljø.

Hva betyr lanseringen for vanlige utviklere?

De fleste utviklere trenger ikke Daybreak Red. Det mest nyttige er å forstå arbeidsdelingen: generell sikkerhetshjelp blir mer tilgjengelig gjennom Codex Security og Daybreak Blue, mens de mest offensive evnene flyttes til en kontrollert ordning. OpenAIs Daybreak-side beskriver målet som en hel kjede fra funn og validering til testet patch, menneskelig vurdering og faktisk feilretting.

Det siste er viktig. Flere sårbarhetsrapporter gjør ikke programvare tryggere hvis ingen har tid til å kontrollere og rette dem. En modell som finner 400 mulige feil kan like gjerne lage en ny kø. Den virkelige gevinsten kommer først når funnet kan gjenskapes, alvorlighetsgraden vurderes riktig, patchen testes og rettelsen faktisk blir slått sammen.

GPT-5.6-Cyber viser samtidig hvor fort grensen flytter seg. For få måneder siden var diskusjonen om AI kunne finne alvorlige sårbarheter. Nå handler den om hvem som skal få en modell som både finner dem, lager fungerende exploits og sjelden nekter å fortsette. Det er nyttig kapasitet for forsvarere, men bare når kontrollen rundt modellen er minst like gjennomtenkt som modellen selv.

Ofte stilte spørsmål