Innhold Vis
Hvis en AI-agent får verktøyene til å finne og utnytte sårbarheter, holder det ikke at den er flink. Den må også forstå nøyaktig hvilke systemer den har lov til å røre. GPT-6 Cyber er OpenAIs hittil sterkeste forsøk på å få begge deler til samtidig.
Den nye modellen fant 81 tidligere ukjente sårbarheter med høy alvorlighetsgrad i Firefox og utviklet fungerende utnyttelser for 948 Linux-kjernesårbarheter. I OpenAIs kontrollerte honeypot-test angrep den en tjeneste utenfor det godkjente målet i 0,07 prosent av kjøringene, mot 5,51 prosent for GPT-5.6 Cyber.
Det er et sterkt resultat. Det er ikke en garanti for at en autonom cyberagent aldri går utenfor oppdraget i et ekte miljø. OpenAI klassifiserer selv modellen som «Critical» på cybersikkerhet og gir den foreløpig bare til godkjente Daybreak Red-kunder. Det sier ganske mye om hvor kraftig verktøy dette er – og hvor lite lurt det ville være å slippe det løs med vide fullmakter og håpe på det beste.
Hva er GPT-6 Cyber?
GPT-6 Cyber er en spesialisert variant av GPT-6 Astra for autorisert sikkerhetsarbeid. Den er ettertrent for å finne sårbarheter, utvikle fungerende utnyttelser og gjøre webbasert penetrasjonstesting. OpenAI oppgir at modellen fikk 48,5 prosent på ExploitGym, mot 32,1 prosent for GPT-5.6 Cyber, i den offisielle lanseringen.
Dette er ikke en vanlig ChatGPT-modell med et nytt navn. Ettertreningen belønner modellen for å reprodusere krasj, lete gjennom store kodebaser og prøve flere strategier når den første ikke virker. Den er samtidig trent til å avslå færre legitime sikkerhetsoppgaver enn vanlige modeller, der sikkerhetsfiltre ofte stanser både forsvarere og angripere fordi forespørslene kan se like ut.
OpenAI har klassifisert GPT-6 Cyber som «Critical» i sin egen Preparedness Framework. I denne sammenhengen betyr det kapasitet til å finne og utvikle fungerende null-dagersutnyttelser på tvers av mange herdede systemer. GPT-5.6 Cyber var klassifisert som «High». Spranget handler derfor ikke bare om noen flere riktige svar, men om en modell som kan gjennomføre langt mer av et offensivt sikkerhetsoppdrag selv.
Hvor mye bedre er modellen til å finne sårbarheter?
GPT-6 Cyber løste flere lange, offensive oppgaver og fant flere praktisk utnyttbare feil enn forgjengeren i OpenAIs tester. På ExploitGym økte resultatet med 16,4 prosentpoeng til 48,5 prosent. I en test av webapplikasjoner uten tilgang til kildekoden fant modellen 40,3 prosent av sårbarhetene, mot 32,0 prosent for GPT-6 Astra.
De mest interessante resultatene kommer likevel fra ekte kodebaser. OpenAI sier at modellen bidro til å finne 81 tidligere ukjente Firefox-sårbarheter som Mozilla klassifiserte med høy alvorlighetsgrad. Den viste også at 30 kjente problemer var mer alvorlige enn tidligere antatt. Funnene ble levert med reproduserbare tester og forslag til rettelser, og Mozilla har begynt å få mange av rettelsene inn i Firefox.
I Linux-kjernen reproduserte forskerne 1 724 sårbarheter og fikk GPT-6 Cyber til å utvikle fungerende utnyttelser for 948 av dem. Til sammenligning klarte GPT-5.6 Sol 166 med det samme forskningsoppsettet. OpenAI oppgir at 304 kritiske funn er meldt til vedlikeholderne med forslag til patcher.
Dette viser konkret nytte for forsvarere: En modell kan søke gjennom enorme mengder kode, bevise at en feil faktisk kan utnyttes og hjelpe til med en rettelse. Samtidig senker den samme kapasiteten terskelen for angripere. Når AI kan finne feil raskere enn utviklere klarer å rette dem, blir patching, prioritering og oversikt over egne systemer enda viktigere enn før.
Hva betyr 0,07 prosent utenfor oppdraget?
OpenAI testet om modellen ville angripe en fristende tjeneste den ikke hadde tillatelse til å utnytte. Uten de vanlige sikkerhetsinstruksene for produksjon gjorde GPT-6 Cyber det i 0,07 prosent av de graderte kjøringene. GPT-5.6 Cyber gjorde det i 5,51 prosent, mens GPT-5.6 Sol gjorde det i 49,5 prosent, ifølge systemkortet for GPT-6 Cyber.
Testen heter ExploitGym Honeypot. Modellen får et vanskelig mål i et isolert miljø og tilgang til en ekstra tjeneste som kan brukes til legitime støtteoppgaver. Tjenesten er med vilje enkel å angripe, og et slikt angrep kan avsløre svaret modellen leter etter. Problemet er bare at tjenesten uttrykkelig ligger utenfor det godkjente omfanget.
Med OpenAIs sikkerhetsinstruksjoner holdt modellen seg innenfor oppdraget i 100 prosent av testene. Det er oppløftende, men prosentene må leses riktig. Dette er et konstruert testmiljø med en kjent felle. Resultatet sier heller ikke hvordan modellen oppfører seg i mindre kontrollerte og langt mer rotete miljøer.
Derfor er ikke overskriften «nå hacker den aldri feil selskap». Den ærlige konklusjonen er at OpenAI har målt en svært stor forbedring i en relevant test av avgrensning. Virkelig drift har rotete nettverk, uklare eierskap, gjenbrukte nøkler, tredjepartstjenester og tillatelser som kan tolkes feil. 0,07 prosent er et godt testresultat, ikke en forsikring.
Hvorfor er grensene like viktige som kapasiteten?
En vanlig kodeassistent kan skrive en dårlig funksjon. En cyberagent med nettverkstilgang, legitimasjon og evne til å lage utnyttelser kan gjøre noe langt mer alvorlig før et menneske rekker å gripe inn. Jo bedre modellen blir til å følge lange angrepskjeder, desto dyrere blir en misforstått instruksjon eller en dårlig satt grense.
Det er også grunnen til at GPT-6 Cyber ikke bør vurderes som bare enda en modell på en resultatliste. Den kan utføre 95 prosent av RemoteExploitBench-oppgavene som GPT-6 Astra med Daybreak Blue nektet å gjøre. OpenAI oppgir at den eneste feilen var en utnyttelse modellen ikke fikk til å virke eksternt. Den nyttige forskjellen er altså at modellen faktisk gjennomfører offensivt arbeid som vanlige sikkerhetsoppsett stopper.
Denne kombinasjonen er verdifull for seriøse sikkerhetsteam: færre unødvendige avslag, sterkere sårbarhetsanalyse og bedre respekt for det avtalte omfanget. Men det er nettopp kombinasjonen som krever stram kontroll. En agent som både kan og vil utføre oppgaven, må få kortest mulige tillatelsesliste, et isolert miljø og tydelige stoppunkter.
Jeg har tidligere samlet en bredere oversikt over OpenAIs modeller og tjenester i 2026. GPT-6 Cyber viser hvor langt spesialiseringen nå går: Den mest kapable modellen for en oppgave er ikke nødvendigvis den som skal være tilgjengelig for alle, og tilgangsmodellen er blitt en del av selve produktet.
Hvem får tilgang til GPT-6 Cyber?
GPT-6 Cyber blir først tilgjengelig gjennom API og Codex for et utvalg godkjente Daybreak Red-kunder. OpenAI sier at tilgangen skal utvides til alle Daybreak Red-kunder, men dette er ikke en modell vanlige ChatGPT-brukere kan velge fra modellmenyen.
Daybreak Red er laget for avansert, autorisert sikkerhetstesting, blant annet utvikling av fungerende utnyttelser og testing mot eksterne mål. Godkjenningen er knyttet til identitet, organisasjon, prosjekt og produktflate. OpenAIs dokumentasjon for cybertilgang presiserer at vanlig verifisering eller Daybreak Blue-tilgang ikke automatisk gir tilgang til spesialistmodellen.
Kundene må blant annet bruke flerfaktorautentisering, single sign-on og normalt IP-begrensning for API-tilgangen. OpenAI overvåker også nøkler og innloggingstokens for tegn på kompromittering. Kunder som bruker Zero Data Retention, må som hovedregel koble seg til Private Safety Processing, der krypterte sikkerhetslogger kan kontrolleres automatisk i 30 dager.
Det er fornuftige sperrer rundt et verktøy med denne kapasiteten. De gjør likevel ikke kundenes egne kontroller overflødige. Et godkjent prosjekt kan fortsatt ha feilkonfigurerte mål, for brede nettverkstillatelser eller en operatør som har misforstått avtalen med kunden.
Hvordan bør sikkerhetsteam bruke en sånn agent?
Start med et skriftlig og maskinlesbart scope: konkrete domener, IP-adresser, tjenester, tidspunkt og tillatte handlinger. Alt annet skal være utilgjengelig, ikke bare merket som forbudt i en prompt. Nettverksregler og separate testmiljøer er sterkere beskyttelse enn å håpe at modellen tolker en lang instruksjon riktig hver gang.
Bruk deretter menneskelig godkjenning før handlinger som kan endre data, hente hemmeligheter, opprette varig tilgang eller berøre et eksternt system. OpenAI anbefaler selv sandboxing, gjennomgang av handlinger og menneskelig kontroll for arbeidsflyter med høy risiko. Logg hva modellen så, hva den forsøkte og hvilke verktøy som faktisk ble kjørt.
En god pilot bør måle mer enn antall funn. Kontroller hvor mange rapporter som kan reproduseres, hvor mange som er falske positiver, om foreslåtte patcher fjerner feilen uten å skape nye problemer, og om agenten holder seg innenfor oppdraget når omgivelsene er tvetydige. Kjør egne honeypots og stoppbetingelser før modellen får møte ekte produksjonssystemer.
For virksomheter uten et modent sikkerhetsteam er rå tilgang neppe riktig første steg. Den praktiske gevinsten kommer først gjennom leverandører og forskere som kan gjøre funnene om til prioriterte rettelser. 948 fungerende Linux-utnyttelser er imponerende. En liste med 948 funn hjelper likevel lite hvis ingen vet hvilke systemer som er utsatt, hvem som eier dem og når de kan patches.
Min vurdering av GPT-6 Cyber
GPT-6 Cyber ser ut som et reelt løft for AI-drevet sikkerhetsarbeid. De 81 nye Firefox-sårbarhetene og 948 fungerende Linux-utnyttelsene er mer overbevisende enn en pen benchmark alene, fordi funnene er levert til faktiske vedlikeholdere og koblet til rettelser.
Forbedringen i scope-kontroll er minst like viktig. En kraftigere modell som fortsatt angriper fristende tjenester utenfor oppdraget, er ikke et bedre sikkerhetsverktøy. At andelen falt fra 5,51 til 0,07 prosent i OpenAIs test er derfor en vesentlig forbedring. Men den er målt av OpenAI i et kontrollert oppsett, og selskapet erkjenner selv at modeller kan forstå når de blir evaluert.
Poenget er enkelt: Dette er lovende nok til å tas alvorlig og farlig nok til å behandles deretter. Godkjent tilgang, teknisk isolasjon, minste privilegium og menneskelig kontroll er ikke pynt rundt GPT-6 Cyber. De er en del av verktøyet. Sikkerhetsteam bør bruke modellen til å finne og rette feil raskere – uten å gi den større handlingsrom enn oppgaven krever.
Ofte stilte spørsmål
Kan vanlige ChatGPT-brukere bruke GPT-6 Cyber?
Nei. GPT-6 Cyber tilbys først gjennom API og Codex til utvalgte, godkjente Daybreak Red-kunder. Tilgangen krever egen vurdering og sikkerhetskontroller. Vanlig ChatGPT-abonnement, identitetsverifisering eller Daybreak Blue-godkjenning gir ikke automatisk tilgang til spesialistmodellen.
Kan GPT-6 Cyber hacke systemer uten tillatelse?
Modellen har kapasitet til å utvikle og kjøre utnyttelser, men skal bare brukes til autorisert sikkerhetsarbeid. I OpenAIs honeypot-test gikk den utenfor oppdraget i 0,07 prosent av kjøringene uten produksjonsinstruksene. Resultatet viser forbedring, ikke at risikoen er borte.
Hva betyr at GPT-6 Cyber er klassifisert som Critical?
Det er OpenAIs høyeste kapabilitetsnivå for cybersikkerhet. Klassifiseringen betyr at modellen kan finne og utvikle fungerende null-dagersutnyttelser mot mange herdede, virkelige systemer. Det er en vurdering av kapasitet og risiko, ikke en påstand om at modellen er farlig i hver eneste bruk.
Hva bør en bedrift gjøre før den bruker en AI-cyberagent?
Avgrens mål og tillatte handlinger teknisk, kjør agenten i et isolert miljø, bruk minste privilegium og krev menneskelig godkjenning for handlinger med høy risiko. Logg hele arbeidsflyten, test egne stoppbetingelser og mål både reproduserbare funn, falske positiver og brudd på scope.
