Vad hände
OpenAI utökade sitt Daybreak-program den 10 augusti med separata åtkomstnivåer för defensivt arbete och avancerad säkerhetsforskning, inklusive en specialiserad GPT-5.6-Cyber-modell.
Daybreak Blue ger godkända försvarare GPT-5.6 Sol med cyberfilter på systemnivå borttagna för arbete som säker kodgranskning, analys av skadlig programvara, incidentrespons, sårbarhetsupptäckt och patchvalidering. Daybreak Red lägger till GPT-5.6-Cyber för auktoriserad exploateringsvalidering, penetrationstestning och annan forskning med dubbla användningsområden som den allmänna modellen fortfarande kan vägra.
OpenAI säger att GPT-5.6-Cyber slutförde 95 % av förfrågningarna i sin interna Advanced Cybersecurity Completion Rate-utvärdering, jämfört med 1,5 % för standard GPT-5.6 Sol, 2 % för Sol till och med Daybreak Blue och 57,3 % för ZXZAI.5U1C för ZXZAI. Företaget säger att testet täcker scenarier som exploateringskedjans utveckling, autentiseringsbypass och privilegieskalering; den har inte släppt utvärderingsuppsättningen.
Företaget rapporterar också att de använder modellen för att upptäcka två tidigare okända V8-sårbarheter som kan kedjas ihop. Google tilldelade den första CVE-2026-15903 och patchade den i Chrome 150. Google:s releaserådgivning bekräftar oberoende att det allvarliga felet tillät out-of-bounds läsning och skrivning i V8, även om den inte bedömde det AI-systemet som hjälpte till att hitta det.
OpenAI beskriver GPT-5.6-Cyber som en modell byggd på GPT-5.6 Sol och utbildad för utvalda högriskuppgifter med dubbel användning snarare än obegränsad offensiv användning. Daybreak Red är endast tillgängligt för godkända individer och organisationer som utför auktoriserat arbete, med identitetsverifiering, kontosäkerhet, övervakning, begränsningar för godkänd användning och juridiska intyg. Tillkännagivandet säger också att enskilda Daybreak-konton kommer att behöva hårdvarusäkerhetsnycklar från och med den 1 september 2026.
Källinformation: OpenAI's GPT-5.6-Cyber and Daybreak announcement ↗
Varför det spelar roll
Utgåvan flyttar en frontiermodells farligare cyberfunktioner från en liten forskningsmiljö till ett program för styrd åtkomst, och testar om försvarare kan ta emot dem innan samma teknik sprids till angripare.
Att minska antalet avslag är centralt för produkten: en modell som avvisar realistiskt exploateringsarbete kan vara säkrare för allmänt bruk men mindre användbar för team som måste reproducera en sårbarhet innan de kan prioritera och åtgärda den. Daybreak skiljer bredare defensiva uppgifter från exploateringsutveckling med högre risk istället för att exponera en policy för varje användare.
V8-avslöjandet är konkreta bevis på att AI-stödd sårbarhetsforskning kan nå utplacerad programvara. Det är också snävare än ett påstående om autonomt försvar: OpenAI säger att dess forskare validerade resultaten och samordnade avslöjandet med Google, medan den offentliga Chrome-rådgivningen registrerar det korrigerade felet snarare än modellens roll i hela forskningsprocessen.
OpenAI expanderar också Daybreak genom säkerhetskonsulter och teknikleverantörer. Godkända partners behåller åtkomst till de underliggande modellerna och tillämpar dem inom kundengagemang, med kontroller som kan inkludera identitetsverifiering, definierade omfattningar, loggning, övervakning och mänsklig granskning.
Den partnerdesignen ändrar vem som måste ge den sista milen av omdöme. OpenAI säger att åtkomst till den underliggande modellen inte överförs direkt till en kund; en partner definierar engagemanget, granskar resultaten och tillämpar sin egen säkerhetsexpertis innan åtgärd. I praktiken beror en användbar implementering därför på partnerns förmåga att separera ett reproducerbart fel från ett spekulativt modellförslag, fortsätta testa inom det överenskomna omfånget och flytta en bekräftad fix genom en verklig mjukvaruunderhållsprocess.
Interaktiv mekanism: hur det faktiskt fungerar
Utforska den underliggande tekniken bakom denna utveckling interaktivt.
What is an adversarial example in machine learning security?
Vad du ska titta på härnäst
Håll utkik efter det utlovade systemkortet, oberoende referensreproduktion, avslutad avslöjande av de andra rapporterade sårbarheterna och bevis på att åtkomstkontroller tål missbruk.
De flesta prestationssiffror i tillkännagivandet kommer från OpenAI:s interna implementeringar av Advanced Cybersecurity Completion Rate, ExploitGym, ExploitBench och sårbarhetsrapporteringsutvärderingar. Företaget säger att GPT-5.6-Cyber inte vann alla jämförelser: GPT-5.6 Sol producerade bättre rapporter på en utvärdering och löste standardinställningen för 300-varv ExploitBench mer effektivt.
OpenAI betygsätter GPT-5.6-Cyber på Högt, men under Kritisk, för cybersäkerhetskapacitet enligt dess beredskapsram. Det står att ett fylligare systemkort kommer senare. Tills metoderna och resultaten har publicerats tillräckligt detaljerat för att kunna reproduceras, stöder tillkännagivandet tillskrivna företagsanspråk snarare än ett oberoende mått på verklig offensiv förmåga.
Säkerhetsfallet beror lika mycket på verksamheten som utbildning. Enskilda Daybreak-konton måste anta hårdvarusäkerhetsnycklar från och med den 1 september, och OpenAI rekommenderar isolerade miljöer, omfångade behörigheter, övervakade agentåtgärder och mänsklig tillsyn. Användbar uppföljningsrapportering bör visa återkallade åtkomster, upptäckt missbruk, tidslinjer för avslöjande, korrigeringsresultat och falska positiva resultat när programmet expanderar.
Jämförelsen av rubrikens slutförande-frekvens har också en viktig mätningsförbehåll. OpenAI säger att varje modell kördes på den högsta offentligt tillgängliga resonemangsnivån och noterar att GPT-5.6-Cyber tenderar att använda en större resonemangsbudget och fler tokens än GPT-5.6 Sol. En högre slutförandegrad kan därför spegla både specialiserad utbildning och en annan mängd beräkningar. Oberoende tester bör rapportera matchade budgetar, uppgiftskonstruktion, avslagskriterier och andelen osäkra eller oanvändbara svar snarare än bara om ett svar producerades.
En mogen redovisning av programmet kommer att behöva följa hela sårbarhetens livscykel. Det innebär att rapportera hur ofta en modellgenererad lead överlever mänsklig reproduktion, hur många fynd som är dubbletter eller låg svårighetsgrad, hur snabbt leverantörer får åtgärdsrapporter och om patchar distribueras innan offentliggörande. Den bör också förklara vad som händer när en partners kund ber modellen att passera en testgräns, när en agent stöter på produktionsuppgifter eller när en föreslagen exploatering är för farlig för att valideras direkt. Dessa kontroller avgör om lägre avslagsfrekvens skapar mätbart defensivt värde istället för att bara utöka utbudet av kod med dubbla användningsområden.
Allmänheten bör också kunna särskilja en modells förmåga från en kunds auktorisation. OpenAI:s åtkomstregler lägger juridiska intyg, identitetskontroller, övervakning och scoped arbete runt modellen, men dessa kontroller är påståenden att testas över tid. Incidentrapportering bör säga om en begäran blockerades, eskalerades för granskning eller tillåts under ett dokumenterat engagemang, utan att exponera exploateringsdetaljer som skulle göra ett oparpat system lättare att attackera.