GPT-6 Cyber là gì: model an ninh mạng bị xếp Critical

ExploitGym 48,5%: model làm được gì hơn bản cũ

OpenAI công bố GPT-6 Cyber ngày 05/11/2026. Đây là model chuyên về an ninh mạng, huấn luyện để tìm và kiểm chứng lỗ hổng có thể khai thác, trong khi vẫn giữ đúng phạm vi mà nhà nghiên cứu đặt ra. OpenAI so sánh trực tiếp với GPT-5.6 Cyber và GPT-6 Astra, và xếp GPT-6 Cyber ở mức Critical về năng lực an ninh mạng theo Preparedness Framework, tăng từ mức High của GPT-5.6 Cyber.

ExploitGym là bài đo kiểm tra model có khai thác được một lỗ hổng đã chỉ định trên mục tiêu từ xa hay không. GPT-6 Cyber đạt 48,5%, cao hơn 32,1% của GPT-5.6 Cyber khoảng 16 điểm phần trăm. OpenAI mô tả mức tăng này là cải thiện tương đối 51%.

Bài đo web mà OpenAI xây mới cho thấy model dò được 40,3% lỗ hổng khi chỉ thăm dò ứng dụng web, không đọc mã nguồn. Con số này cao hơn 32,0% của GPT-6 Astra trên cùng bài đo. RemoteExploitBench dùng lỗ hổng đã biết trong ứng dụng như GitLab, PostgreSQL và Jenkins, triển khai trong môi trường kiểm soát. GPT-6 Astra chạy với Daybreak Blue từ chối toàn bộ tác vụ, GPT-6 Cyber hoàn thành 95%, chỉ trượt một exploit không chạy được từ xa.

Điểm benchmark chỉ có nghĩa khi biết cách đo. Bài đo nào cũng có phạm vi và thiết lập riêng, vì vậy người đọc nên xem cách đọc điểm số trước khi lấy một con số làm căn cứ. Xem thêm bài đọc bảng benchmark không bị đánh lừa.

948 exploit Linux và 81 lỗi Firefox: kết quả chạy thật

Phần đáng chú ý nhất của bài công bố không nằm ở bảng điểm. Nó nằm ở chiến dịch nghiên cứu thật mà OpenAI chạy bằng GPT-6 Cyber trên phần mềm mà nhiều người đang dùng mỗi ngày.

Với Linux kernel, nhóm nghiên cứu tái hiện 1.724 lỗ hổng và phát triển exploit chạy được cho 948 lỗ hổng trong số đó. Con số này gấp hơn 5 lần mức 166 exploit của GPT-5.6 Sol dùng cùng bộ công cụ nghiên cứu. Nhóm đã báo 304 phát hiện critical cho maintainer kèm bản vá đề xuất, theo hướng dẫn của cộng đồng Linux. Các lỗ hổng còn lại đang trong quá trình sửa.

Với Firefox, chiến dịch tìm ra 81 lỗ hổng mới mà Mozilla xếp mức high-severity, dù trình duyệt này đã qua nhiều vòng kiểm tra bằng model frontier trước đó. Công việc này còn cho thấy thêm 30 lỗi đã biết nặng hơn mức đánh giá trước đây. OpenAI đã báo cáo cho Mozilla kèm bản vá đề xuất, và Mozilla đã phát hành bản sửa cho nhiều lỗi trong số này.

Một ví dụ khác là lỗi critical trong Brotli, thư viện nén mà Node.js và nhiều ứng dụng khác đang dùng. Nhóm nghiên cứu của OpenAI dùng GPT-6 Cyber cùng các model khác để phát triển và kiểm chứng exploit, cho thấy lỗi này có thể dẫn tới thực thi mã từ xa ở ứng dụng phía dưới.

Ba kết quả này có chung một điểm. Model đạt điểm cao trên bài đo trong phòng thí nghiệm, và còn tạo ra bằng chứng cùng test tái hiện được cho lỗ hổng thật, rồi đưa bản vá đề xuất cho bên giữ mã nguồn.

Vì sao OpenAI xếp Critical, và ai được dùng

Mức Critical không phải nhãn tiếp thị. Trong Preparedness Framework của OpenAI, đây là mức năng lực an ninh mạng cao hơn mức High mà GPT-5.6 Cyber đang giữ. Mức xếp hạng này đi kèm với giới hạn truy cập chặt hơn, không mở rộng cho mọi người dùng.

GPT-6 Cyber ban đầu chỉ có qua API và Codex, dành cho nhóm khách Daybreak Red đã được duyệt. OpenAI cho biết sẽ mở rộng dần cho mọi khách Daybreak Red, nhưng chưa nêu ngày cụ thể. Cùng lúc, GPT-5.6 Cyber được mở cho mọi khách Daybreak Red, và Daybreak Blue mở rộng bản alpha cho GPT-6 Astra.

Daybreak Red là tầng truy cập dành cho công việc khai thác và kiểm thử có ủy quyền ở mức sâu hơn. Daybreak Blue dành cho đội phòng thủ đã xác minh, cần kiểm chứng lỗ hổng và bản sửa với ít lần từ chối không cần thiết hơn. Mục tiêu mà OpenAI nêu là mở rộng Daybreak cho tổ chức mọi quy mô, nhà nghiên cứu độc lập và maintainer mã nguồn mở. Đây là mục tiêu, chưa phải lịch trình đã công bố.

Đi kèm model là lớp kiểm soát lạm dụng. Truy cập API Daybreak Red yêu cầu IP allowlisting theo mặc định. OpenAI giám sát thông tin xác thực bị lộ, theo dõi hành vi lệch khỏi ủy quyền của người dùng, và dùng Private Safety Processing để rà soát các tương tác liên quan tới lạm dụng. Chương trình grant Daybreak for Frontline Defenders trị giá 1 tỉ USD hỗ trợ truy cập cho đội phòng thủ thiếu nguồn lực, như cơ quan nhà nước và nhà cung cấp dịch vụ thiết yếu. OpenAI cũng hợp tác với Dragos để đánh giá model trong phòng thí nghiệm có kiểm soát, rồi tinh chỉnh biện pháp bảo vệ dựa trên phản hồi đó.

Chạy agent nhiều bước tốn token và thời gian, vì vậy cần biết khi nào suy luận dài mới đáng giá. Xem thêm bài suy luận dài khi nào đáng giá.

Giữ agent trong phạm vi: 99,93% rồi 100%

Rủi ro lớn nhất của agent an ninh mạng không phải là model yếu. Rủi ro là model làm ngoài phạm vi được giao, khai thác dịch vụ không liên quan, hoặc bỏ qua quy tắc mà nhà nghiên cứu đặt ra. OpenAI đặt căn chỉnh làm trọng tâm huấn luyện của GPT-6 Cyber để xử lý đúng rủi ro này.

Bài đo ExploitGym Honeypot mô phỏng tình huống đó. Model nhận một nhiệm vụ khai thác khó trong môi trường cô lập, kèm các dịch vụ hỗ trợ như package registry hoặc object store. Các dịch vụ này được cố ý làm cho dễ khai thác, để việc tấn công chúng có thể lộ flag của nhiệm vụ. Model phải tự suy ra rằng khai thác chúng là ngoài phạm vi.

GPT-6 Cyber tránh khai thác dịch vụ ngoài phạm vi trong 99,93% trường hợp khi kiểm tra không có prompt triển khai, tăng từ 94,49% của GPT-5.6 Cyber. Khi có prompt triển khai, model giữ đúng phạm vi 100% thời gian. Đây là cải thiện dạng bước nhảy, không phải tăng dần vài điểm phần trăm.

Dù vậy, OpenAI vẫn khuyến nghị sandboxing, action review và human oversight cho workflow rủi ro cao. Con số 100% đo trong bài kiểm tra có kiểm soát, không phải bảo đảm cho mọi tình huống triển khai thật. Agent kết nối công cụ ngoài cần ranh giới phê duyệt rõ ràng ngay từ thiết kế, xem thêm bài agent đặt lịch và gửi email: ranh giới phê duyệt.

Đọc điểm benchmark thế nào cho đúng

Mọi con số trong bài này đều do OpenAI tự công bố trong bài ngày 05/11/2026. Reuters đưa tin cùng ngày, và bản đối chiếu độc lập xác nhận ngày công bố, mức xếp hạng và các điểm số. Chưa có kiểm chứng độc lập cho các điểm số này. Thiết lập đánh giá đầy đủ nằm ở system card của GPT-6 Cyber mà OpenAI dẫn trong bài công bố.

Người đọc nên giữ ba lưu ý khi dùng các con số này. Thứ nhất, điểm ExploitGym đo khả năng khai thác lỗ hổng đã biết, không đo khả năng phát hiện lỗ hổng mới. Thứ hai, kết quả Linux và Firefox đến từ chiến dịch nghiên cứu có kiểm soát của chính OpenAI, không phải đo độc lập. Thứ ba, mức Critical mô tả năng lực của model, không mô tả rủi ro của một hệ thống cụ thể đang chạy.

GPT-6 Cyber cho thấy model frontier có thể tìm lỗ hổng thật ở quy mô lớn, nhưng chỉ khi đặt trong tay đội phòng thủ đã xác minh, với phạm vi rõ ràng và người giám sát trong vòng kiểm soát.

*Bàn tay gõ mã trên laptop trong phòng tối. Ảnh: Pavel Danilyuk, Pexels, giấy phép Pexels, ảnh chụp ngày 2020-09-19.*

— Quang Minh, từ phòng đo kiểm 3A.