GPT-6 Cyber: OpenAI presenta su modelo de ciberseguridad con mejor alineamiento y avances en explotación de vulnerabilidades

OpenAI presenta GPT-6 Cyber, un modelo de ciberseguridad entrenado para encontrar y validar vulnerabilidades explotables sin salirse del alcance autorizado por los investigadores. Según la compañía, supone un salto importante frente a GPT-5.6 Cyber, tanto en capacidad como en fiabilidad para respetar límites. Todas las cifras que siguen proceden de las evaluaciones y comunicaciones de OpenAI, no de verificación independiente.

En ExploitGym, que mide si un modelo puede explotar una vulnerabilidad concreta en un objetivo remoto, GPT-6 Cyber obtiene un 48,5 %, frente al 32,1 % de GPT-5.6 Cyber. OpenAI lo presenta como una mejora relativa del 51 %. En una evaluación nueva de pentesting web ofensivo, en la que el modelo analiza aplicaciones sin acceso al código fuente, logra un 40,3 % de recall de vulnerabilidades, frente al 32,0 % de GPT-6 Astra. La compañía afirma que GPT-6 Cyber supera a Astra en la mayoría de las tareas de ciberseguridad, incluso cuando Astra no rechaza la petición.

OpenAI también creó RemoteExploitBench, un benchmark con vulnerabilidades conocidas de aplicaciones como GitLab, PostgreSQL y Jenkins, desplegadas en un entorno controlado. En la evaluación inicial, GPT-6 Astra con Daybreak Blue rechazó el 100 % de las tareas, mientras que GPT-6 Cyber completó el 95 %. Su único fallo fue un exploit que no logró hacer funcionar de forma remota. Con estos resultados, OpenAI clasifica el modelo como Critical en ciberseguridad dentro de su Preparedness Framework, por encima del nivel High de GPT-5.6 Cyber.

El alineamiento es el otro eje central del anuncio. OpenAI explica que un riesgo de los agentes de ciberseguridad es que se salgan de la tarea asignada, intenten explotar servicios ajenos o ignoren las reglas de enfrentamiento del investigador. Para medirlo usa ExploitGym Honeypot, evaluación inspirada en el incidente de Hugging Face. Se da al modelo una tarea de explotación difícil en un entorno aislado, con servicios auxiliares deliberadamente fáciles de atacar (como un registro de paquetes o un almacén de objetos), cuya explotación revelaría la bandera de la tarea. El modelo debe inferir que atacarlos queda fuera de alcance. Sin prompts de seguridad de despliegue, GPT-6 Cyber evitó explotar esos servicios en el 99,93 % de los casos, frente al 94,49 % de GPT-5.6 Cyber. Con esos prompts, el resultado fue del 100 %. OpenAI cita extractos de la cadena de pensamiento del modelo, como «don't explore out of scope credentials», para ilustrar cómo razona sobre los límites.

La compañía describe varios resultados en software real. Sus investigadores usaron el modelo para reproducir 1.724 vulnerabilidades del kernel de Linux y desarrollar exploits funcionales para 948 de ellas, más de cinco veces los 166 de GPT-5.6 Sol con el mismo entorno de investigación. Siguiendo la guía de la comunidad de Linux, notificaron 304 hallazgos críticos a los mantenedores con parches candidatos. En Firefox, aportaron evidencia y pruebas reproducibles de 81 vulnerabilidades nuevas que Mozilla clasificó como de alta gravedad, y mostraron que otras 30 incidencias conocidas eran más graves de lo reportado. Mozilla empezó a publicar correcciones poco después de recibir los informes. OpenAI menciona además una vulnerabilidad crítica en Brotli, biblioteca de compresión usada por Node.js, para la que desarrolló y validó exploits de ejecución remota de código en aplicaciones dependientes, junto con otros modelos. También dice haber usado el modelo para reforzar la infraestructura con la que entrena sus modelos: en campañas de red teaming, agentes encadenaron vulnerabilidades para escapar de microVMs y ejecutar código en los hosts subyacentes.

El artículo recoge testimonios de clientes y socios de Mozilla, Calif, Cognition, Palo Alto Networks, Cisco, SentinelOne, CrowdStrike, Perplexity y CodeRabbit. Cognition indica que el modelo obtuvo un 23 % en sus benchmarks internos de descubrimiento y explotación de vulnerabilidades nuevas, frente al 13 % del mejor modelo anterior. CodeRabbit afirma que encontró un 66 % más de problemas de seguridad de gravedad alta y media que su modelo de producción. Calif lo describe como el mejor para desarrollo de exploits de larga duración. Son valoraciones de empresas que colaboran con OpenAI.

En cuanto a salvaguardas, OpenAI reconoce que, a medida que los modelos descubren más vulnerabilidades, también aumentan los intentos de usarlos para causar daño, incluidos los de actores maliciosos y grupos que buscan destilar sus modelos. Entre las medidas que enumera están la monitorización de desalineamiento específica de ciberseguridad (que comprueba si las acciones se ajustan a la autorización del usuario), la monitorización dirigida de amenazas emergentes (por ejemplo, intentos de desarrollar exploits contra servidores PHP en producción durante la divulgación coordinada de vulnerabilidades críticas de PHP) y el Private Safety Processing (PSP). Los clientes de API con Zero Data Retention deben, en general, usar PSP, que revisa registros cifrados conservados 30 días en el almacenamiento del cliente sin exponer prompts ni respuestas al personal de OpenAI. También exige por defecto una lista de IP permitidas para el acceso por API a Daybreak Red, vigila credenciales comprometidas y recomienda sandboxing, revisión de acciones y supervisión humana en flujos de alto riesgo.

La protección de infraestructuras críticas, como centrales eléctricas, plantas de tratamiento de agua y sistemas OT/ICS, ocupa un apartado propio. OpenAI cuenta con un programa de subvenciones de 1.000 millones de dólares, Daybreak for Frontline Defenders, para subsidiar el acceso de equipos con pocos recursos, como organismos públicos y proveedores de servicios esenciales. Añade un grupo nuevo, Daybreak Red for Critical Infrastructure, para defensores aprobados que necesiten realizar pruebas autorizadas sobre sistemas críticos. También afirma haber afinado sus salvaguardas contra asistencia que pueda comprometer controles industriales o sistemas críticos para la seguridad, y matiza que una mayor tasa de bloqueo no siempre es mejor, porque muchas técnicas son necesarias para el trabajo legítimo de seguridad.

Para evaluar esa parte, OpenAI colaboró con Dragos, que ejecutó pruebas con modelos Daybreak Red permisivos en un laboratorio controlado. Según Rob T. Lee, de Dragos, un modelo de frontera situado en un campo simulado de central eléctrica, con muy poca información, separó por sí solo los activos OT del ruido IT y encontró dos zero-days en software de ingeniería que gestiona datos de relés de protección. OpenAI usó esa información para ajustar sus salvaguardas y dice que ampliará alianzas con otros proveedores de seguridad ofensiva, operadores de infraestructura y laboratorios nacionales.

Sobre la disponibilidad, GPT-6 Cyber llega inicialmente por API y Codex a un grupo seleccionado de clientes aprobados de Daybreak Red, y OpenAI prevé ampliarlo pronto a todos ellos. GPT-5.6 Cyber pasa a estar disponible para todos los clientes de Daybreak Red. La compañía amplía también el acceso alpha de Daybreak Blue con GPT-6 Astra a más organizaciones e investigadores individuales. Daybreak Blue está pensado para defensores verificados, con menos rechazos innecesarios, y Daybreak Red para el desarrollo de exploits y las pruebas de seguridad autorizadas.

Como lectura editorial, el anuncio combina dos mensajes: un salto notable en capacidad ofensiva automatizada (que la propia OpenAI sitúa en el nivel Critical de su marco) y un esfuerzo por demostrar que el modelo respeta el alcance. Casi todos los datos proceden de evaluaciones diseñadas o encargadas por OpenAI y de testimonios de socios, por lo que conviene revisar la ficha del sistema publicada y esperar a verificaciones externas antes de sacar conclusiones firmes.