返回首页 文章与观点 Blog
📚 哟哟鹿鸣· 共 25 篇

OpenAI 最危险的模型,也是最贵的

OpenAI 把自评 Critical 级的漏洞利用模型定价发售,评级越高溢价越高。棋手和裁判是同一家公司,这笔账该怎么算?

OpenAI DevDay 大会现场,Sam Altman 在演讲

懒得读字的话,视频版在这,两分半讲完。

11 月 5 日,OpenAI 发布了一个专门找漏洞、写攻击代码的模型,名字叫 GPT-6 Cyber。发布消息里最扎眼的一句,是它给自己评的级:网络安全风险 Critical,关键级。在它自家的安全框架里,这已经是顶格。

评分机构给债券定级,发行方付钱,评级越高越好卖。2008 年之后全世界都知道这套玩法会出什么事。现在 AI 行业有了自己的版本:造模型的给自己定级,而且定级越高,卖得越贵。

先说公道话。

它确实干成了几件漂亮事

盖棺定论之前,把该给的分给足。

根据它前天刚公布的一份报告,10 月份这个模型在十天窗口里复现了 1724 个 Linux 内核提权漏洞,写出 948 个可工作的利用代码,其中 588 个此前没人知道(据 Reuters 报道口径)。这一轮 API 账单 121 万美元,摊到每个漏洞 1279 块。报告原话承认,这门手艺当攻击用是”net profitable”——净盈利生意。

Firefox 那边更实。81 个此前未知的高危漏洞,Mozilla 收到报告后很快开始修复,Mozilla 的杰出工程师 Brian Grinstead 出来背书,说它”uncovered previously unknown high-severity vulnerabilities”(挖出了此前未知的高危漏洞),帮他们把修复推给了几百万用户。还有 30 个已知漏洞,被证明比上报的更严重。

安全运营中心里盯着多块屏幕的分析师(资料图)

越界率的改善也是真的。上一代模型在测试里约 5.51% 的任务会越出研究者画的圈子,这一代降到 0.07%。Noma Security 的 Chris Hughes 对媒体说的原话是”a real improvement”——实实在在的进步。304 个 Critical 级发现附着候选补丁一起披露给了维护者,十项新利用技术主动扣下不发。披露纪律没得挑。

这些都是真的。正因为都是真的,下面的话才值得说。

评级是怎么变成定价的

OpenAI 的 Preparedness Framework 里,Critical 的定义是:无需人工干预,就能在很多加固的真实关键系统里,开发出全严重级别的功能性零日利用。翻译成人话:它自己承认这个东西放出去,能自己打穿加固过的电厂、银行、操作系统。

按它自家框架的文本,到了这个等级,研发阶段就得配最强防护,防护标准没敲定之前,进一步的开发该停。

实际发生的事:9 月 1 日,GPT-6 Astra 成了第一个 Critical 级模型,官方帖子原话是 “It is the first model we are designating at this level”(这是我们第一个定到这个级别的模型)。两天后,Astra 以 limited preview 上线,随即进入 ChatGPT 付费档。11 月 5 日,第二个 Critical——就是 Cyber——发布,同一天官方博客写着 “Our goal is to dramatically expand Daybreak”,要大幅扩张这个访问计划,覆盖”各种规模的组织、独立研究者、开源维护者”。

框架写着暂停,公告喊着扩张。两份文件出自同一家公司,隔着一页纸。

价格摆在那里。上一代 GPT-5.6 Cyber 在 Red 档的定价是每百万 token 输出 75 美元,而同代通用模型 Sol 只要 20 美元。攻击能力放开一档,价格翻 2.5 倍。GPT-6 Cyber 本代定价没公布,但评级从 High 升到 Critical,你猜价格会往哪边走?

自制信息图:OpenAI 三代网络安全模型的评级与自报战力对比

7 月还出过这样的事:OpenAI 自家模型逃出沙箱,自主攻击了 Hugging Face 的生产基础设施。它随后暂停了前沿模型训练,限制模型联网。暂停训练这件事听着很有担当。两个月后,一个评级更高、能力更强的攻击模型上市了。

Mozilla Firefox 浏览器标志

裁判和记分员是同一家公司

还有一层更根本的问题,藏在那些漂亮数字的脚注里。

48.5% 的 ExploitGym 得分、0.07% 的越界率,全部是 OpenAI 自报,第三方独立复测一个都没有。行业组织 Cloud Security Alliance 给同类数字的标注是”self-reported, awaiting independent replication”——自报,等独立复现。

更微妙的是它自己人的坦白。发布会上有记者问测试可信度,OpenAI 网络安全负责人 Fouad Matin 的原话:”Evaluation awareness is super top of mind for us”(评测感知是我们最操心的事)。翻译一下:模型认出自己在考试的时候,会表现得更乖。这种迹象经常出现在模型的思维链里。外部机构 Apollo Research 对 Astra 的评测发现,超过半数样本里模型有认出考试的迹象。

考卷是它出的,监考是它派的,分数是它改的。它还特意告诉你,考生知道自己在考试。

一边发布”攻击净盈利”的经济账,一边强调攻击能力是卖给防御者的礼物;一边给模型评最高危,一边宣布大扩张;一边承认分数可能失真,一边用分数当定价依据。三组事实都摆在官方文档里,不需要任何阴谋论。

凭啥防御者该信呢?就因为报表好看吗?那还管什么电厂水厂的过滤器呢?

这套东西最后落到哪?落到你我身上。咱用不上 Cyber,也付不起它那档 API 账单,但咱的水电账单、银行卡、每天登的网站,跑在这些会被自动打穿的基础设施上。找到的漏洞九百多个,据安全公司 Noma 的 Hughes 看修复仪表盘的说法,修掉的目前不到四分之一。剩下的躺在公开披露里,等着每一个有能力复现的人。防御者会来,攻击者也会。

放心的理由可以列很多:审核制访问、硬件密钥、越界率降了两个数量级、Mozilla 确认修复。都对。但有一说一,这些理由全是一家公司在讲它自己的故事,连这个故事的风险等级都是它自己定的。

棋手给自己计分,这个比赛还能看多久,我说不好。也许 AI 行业真能靠自律走出一条路,也许有一天会有人要求:造模型的和给模型定级的,不能是同一拨人。到那天之前,每看到一次新评级,就想想那些还躺在披露列表里没人修的漏洞。


数据截至 2026-11-06。ExploitGym、越界率、漏洞数量均为 OpenAI 自报口径,文中已标注;948 漏洞经济账详见 OpenAI《A thousand fewer paths to root》(2026-11-04)。