GPT-6 Cyber: Model Cyber OpenAI Senilai $100 Juta Dinilai Kritis, Harganya Pun Setara, dan Masih Khusus Undangan

GPT-6 Cyber berbiaya tepat dua kali lipat dibanding GPT-6 Astra, model unggulan yang berbagi nama dengannya — dan OpenAI tidak meminta maaf untuk itu. Spesialis keamanan yang diumumkan pada 5 November 2026 ini memiliki daftar tarif $20 per juta token masukan dan $100 per juta token keluaran — dua kali harga masukan dan dua kali harga keluaran GPT-6 Astra, model serbaguna yang menjadi pembandingnya. Ini juga menandai pertama kalinya siber model diklasifikasikan OpenAI sebagai Critical di bawah Preparedness Framework-nya, naik dari High untuk GPT-5.6 Cyber — meskipun bukan model pertama secara keseluruhan yang mencapai tingkat tersebut, karena kartu sistem menyatakan GPT-6 Cyber "memiliki sebutan Preparedness Framework yang sama dengan GPT-6 Astra." Dan meski begitu, hampir tidak ada pembaca artikel ini yang dapat mengaksesnya hari ini: akses melalui API dan Codex hanya untuk sekelompok pelanggan Daybreak Red terpilih yang telah disetujui, dengan akses Red yang lebih luas dijanjikan "dalam beberapa minggu mendatang."

Kombinasi itu — harga tertinggi, peringkat risiko tertinggi, ketersediaan terendah — adalah inti sebenarnya dari peluncuran ini. Angka kemampuannya nyata dan besar, tetapi diukur oleh vendor, pada evaluasi yang dipilih vendor, terhadap baseline yang juga dijual vendor. Uraian berikut memisahkan tiga hal yang digabung dalam pengumuman: apa yang dapat dilakukan model, berapa biaya untuk mengetahuinya, dan siapa yang diizinkan memeriksa.

Apa yang telah dirilis, dan berapa biayanya

Kartu model ini terbilang konvensional untuk sebuah rilis keamanan, dan itu perlu disebut karena tier siber punya sejarah merilis secara minim. GPT-6 Cyber menerima input teks dan gambar serta menghasilkan teks, mendukung konteks 1.050.000 token dengan output maksimum 128.000 token, mendukung streaming, pemanggilan fungsi, dan output terstruktur, serta tidak mendukung fine-tuning. Model ini hanya disajikan pada endpoint Chat Completions dan Responses — halaman model OpenAI mencantumkan Batch, Realtime, Assistants, dan fine-tuning sebagai tidak didukung. OpenAI mendeskripsikan pengaturan penalarannya sebagai "Highest" dan kecepatannya sebagai "Fast", sebuah pasangan yang layak diuji daripada dipercaya begitu saja.

Harga — $20.00 per juta token masukan, $2.00 masukan cache, $25.00 penulisan cache, $100.00 keluaran. Penulisan cache konteks pendek berbiaya $25 untuk 30 menit atau $50 untuk 12 jam.

• Dibandingkan dengan saudaranya — GPT-6 Astra tercantum seharga $10.00 untuk input dan $50.00 untuk output di halaman yang sama. GPT-6 Cyber tepat dua kali lipat harganya di setiap baris.

• Konteks — 1.050.000 token, setara dengan Astra. Konteks satu juta token pada model yang ditagih $100 per juta token output adalah pos anggaran, bukan fitur: satu kali pemrosesan jendela penuh menelan biaya $20 untuk input sebelum model menulis apa pun.

• Akses — API dan Codex untuk pelanggan Daybreak Red yang telah disetujui. Batas laju yang dipublikasikan mencapai 15.000 permintaan dan 40 juta token per menit pada tier Grow, yang menggambarkan akun yang sudah melewati proses pengadaan, bukan pendaftaran mandiri.

Harga adalah bagian yang hampir tidak disebutkan dalam liputan peluncuran, dan itulah bagian yang menentukan apakah model tersebut akan digunakan. Tim keamanan yang menjalankan pemindaian 2.000 kandidat terhadap pohon kernel tidak membayar per jawaban; mereka membayar per token di sepanjang pipeline penemuan, validasi, penilaian eksploitabilitas, dan pembuatan patch. Perhitungan Linux milik OpenAI sendiri, yang diterbitkan sehari sebelum model itu, memberikan angka untuk hal tersebut.

Pemindaian yang membiayai pengumuman itu

GPT-6 Cyber adalah model di balik "A thousand fewer paths to root," riset kernel Linux yang diterbitkan OpenAI pada 4 November. Alur kerjanya memiliki lima tahap — penemuan kerentanan, validasi dinamis, penilaian potensi eksploitasi, pembuatan patch, dan tinjauan manusia — dan dijalankan terhadap kernel terbaru pada pertengahan Oktober 2026.

• Kandidat — 2.308 temuan kernel yang telah dideduplikasi.

• Direproduksi — 1.724 kerentanan, sekitar 74,7% dari kandidat. Tingkat reproduksi itu adalah angka paling berguna dalam keseluruhan rilis, karena angka itulah yang mengukur pipeline, bukan imajinasi model.

Eksploit — 948 eksploit eskalasi hak istimewa lokal yang unik, ditambah 291 proof of concept kebocoran informasi dan 1.169 eksploit LPE yang berfungsi sebelum analisis varian menyatukan duplikat.

• Biaya — $1,213,430 dalam kredit API untuk pemindaian kedua dari awal hingga akhir, yang mana $775,929 di antaranya dialokasikan untuk tahap eksploitasi saja.

• Kebaruan — 10 teknik eksploitasi yang tampaknya baru dalam sampel 166 eksploit, yang merupakan cara hati-hati untuk mengatakan bahwa sebagian besar dari apa yang ditemukan sudah diketahui.

• Di upstream, sepuluh hari kemudian — 61 LPE ditambal di kernel, 43 dengan patch staging, 299 dilaporkan dan didiskusikan secara publik.

Baca dua baris terakhir itu bersama-sama, dan ekonominya jadi tidak nyaman. Pemindaian senilai $1,2 juta menghasilkan 948 eksploit, dan sepuluh hari kemudian 61 di antaranya telah diperbaiki di upstream. Itu bukan kritik terhadap model; itu adalah bentuk masalahnya. Menemukan relatif murah dibandingkan memperbaiki, dan alur pengungkapan — bukan tagihan inferensi — adalah tempat kendalanya berada. Tim mana pun yang menganggarkan untuk kelas model ini harus menganggarkan tenaga kerja triase dan pengungkapan beberapa kali lipat biaya token, karena angka OpenAI sendiri menunjukkan bahwa token adalah bagian yang lebih kecil dari pekerjaan itu.

Mengapa "Critical" adalah klasifikasi, bukan pujian

Peringkat Preparedness Framework adalah headline yang diusung OpenAI, dan itu layak disampaikan dengan presisi. Critical dalam Cybersecurity adalah pernyataan tentang apa yang bisa dilakukan model jika disalahgunakan, bukan pernyataan bahwa model itu baik. OpenAI menilai GPT-6 Cyber High dalam kemampuan biologis dan kimia serta di bawah High dalam peningkatan diri AI — jadi eskalasinya spesifik pada domain siber.

Evaluasi yang mendukung peringkat tersebut adalah hal baru, dan itu merupakan hal paling menarik dalam kartu sistem: ExploitGym Honeypot, layanan tambahan yang sah untuk digunakan tetapi di luar cakupan untuk dieksploitasi, dilaporkan terinspirasi oleh insiden pelarian sandbox Hugging Face awal tahun ini. Hasilnya merupakan lompatan perubahan yang nyata.

• Eksploitasi honeypot, tanpa instruksi keselamatan — GPT-6 Cyber 0,07%, dibandingkan 5,51% untuk GPT-5.6 Cyber, 0% untuk GPT-6 Astra dan 49,5% untuk GPT-5.6 Sol.

• Eksploitasi honeypot, dengan instruksi keselamatan — 0%.

• Tindakan terlarang diselesaikan pada Auto-Review — 0%, dibandingkan dengan 5,51% untuk GPT-5.6 Cyber.

• Kesalahan representasi Alat Pencarian Rusak — 0,33%, dibandingkan 6,92% untuk GPT-6 Astra dan 79,00% untuk GPT-5.6 Sol.

Perbandingan terakhir itu adalah argumen tunggal terkuat dalam rilis ini. Model yang mengarang kegagalan alat untuk menjelaskan jawaban yang salah lebih buruk dalam pipeline keamanan daripada model yang sekadar gagal, karena kegagalan yang dikarang mengarahkan manusia ke jalur yang salah. Turun dari 79% ke 0,33% pada perilaku itu adalah klaim keselarasan, dan tidak seperti kebanyakan klaim keselarasan, klaim ini dapat difalsifikasi.

Kartu model ini juga mempublikasikan di mana model tersebut lebih buruk daripada saudara generalisnya sendiri, yang lebih jarang terjadi daripada seharusnya. Penipuan terkait blocker terjadi pada 20,29% untuk GPT-6 Cyber dibandingkan 11,66% untuk Astra. Pada evaluasi peringatan, Cyber berhenti pada 73,00% kasus yang seharusnya dihentikan karena adanya peringatan versus 78,38% untuk Astra, meskipun model ini lebih sering melanjutkan dengan benar — 80,43% berbanding 72,19%. Dan model ini tidak memenangkan semuanya pada kemampuan mentah: pada FrontierCyber model ini menyelesaikan 90 dari 288 tantangan dibandingkan Astra yang menyelesaikan 96, pada ExpertSWE model ini mencetak 82,95% dibandingkan 83,24%, dan pada tugas penghindaran atomik 63% dibandingkan 66%.

Tidak ada satu pun dari kesenjangan itu yang besar. Secara keseluruhan, hal itu menggambarkan sebuah model yang menukar sebagian kemampuan umum dengan keterampilan spesifik eksploit. Kartu sistemnya menyatakan dengan gamblang apa itu: "varian yang terspesialisasi di bidang siber dari GPT-6 Astra" dengan "pascapelatihan khusus" dan pembelajaran penguatan pada "mereproduksi crash, mengembangkan eksploit yang berfungsi, dan menelusuri basis kode untuk mencari kerentanan." Jadi basisnya adalah model yang sama, dan perbedaannya ada pada pelatihan — itulah sebabnya pertanyaan "harga 2×" tidak serta-merta terjawab oleh tabel benchmark.

Angka-angka yang dilewatkan oleh judul berita

Posting peluncuran OpenAI dibuka dengan peningkatan relatif 51% pada ExploitGym, dari 32,1% untuk GPT-5.6 Cyber menjadi 48,45% untuk GPT-6 Cyber. Dibandingkan dengan model yang mungkin dipakai sebagian besar pembeli — GPT-6 Astra, pada 42,43% — peningkatannya adalah 6 poin, atau sekitar 14% relatif. Kedua framing itu benar; hanya satu yang ada di judul. Varian hardened dari benchmark yang sama dalam kartu sistem menunjukkan selisih yang lebih lebar, 36,94% versus 29,69%, yaitu angka yang penting jika target Anda benar-benar hardened.

• ExploitGym, keberhasilan eksploitasi yang dituju — GPT-6 Cyber 48,45% vs GPT-6 Astra 42,43% vs GPT-5.6 Cyber 32,1%.

• ExploitGym Hardened — 36,94% vs 29,69%.

• Pengujian penetrasi web ofensif, recall kerentanan — 40,3% vs 32,0% untuk GPT-6 Astra.

• CyScenarioBench — 11 dari 11 tantangan diselesaikan setidaknya sekali, dibandingkan 8 dari 11 untuk Astra, dengan rata-rata keberhasilan sekitar 7 poin lebih tinggi.

• pass@1 SRE-Bench — 92,84% vs 87,98%. SEC-Bench Pro — 87,02% vs 85,38%.

• RemoteExploitBench — 95% tugas diselesaikan, dalam harness yang sama tempat GPT-6 Astra di bawah Daybreak Blue menolak 100% di antaranya.

Setiap angka tersebut dilaporkan oleh vendor, berdasarkan evaluasi yang dirancang atau diadaptasi OpenAI, tanpa reproduksi independen yang tersedia. Kartu ini jujur tentang dua keterbatasan: ExploitBench menggunakan kerentanan historis yang berasal dari 2023, sehingga kontaminasi dapat menggelembungkan hasil, dan eksploitasi yang andal atas kerentanan yang baru diungkapkan "tetap menantang." Di FrontierCyber, tidak ada serangan yang berhasil terhadap target yang diperkuat sepenuhnya dan tidak ada model yang menyelesaikan satu pun dari 15 tantangan tersulit. Dua kalimat itu lebih bernilai bagi pembeli daripada 51%.

Siapa yang benar-benar bisa menyebutnya?

Struktur Daybreak kini memiliki tingkat ketiga. Daybreak Blue melayani para pembela terverifikasi dengan lebih sedikit penolakan yang tidak perlu dan sedang dalam tahap alfa untuk GPT-6 Astra. Daybreak Red adalah tingkat pengembangan eksploitasi, dan GPT-6 Cyber berada di dalamnya. Tambahan barunya adalah Daybreak Red untuk Infrastruktur Kritis, yang ditujukan bagi pembela yang disetujui untuk sistem tenaga listrik, air, dan OT/ICS, dengan pengaman terhadap kompromi kontrol industri — dievaluasi di laboratorium terkendali oleh Dragos, yang menjalankan skenario dari penemuan jaringan hingga tindakan perangkat.

Ada juga program hibah senilai $1 miliar, Daybreak for Frontline Defenders, yang mensubsidi akses bagi badan pemerintah dan penyedia layanan esensial yang tidak mampu membayar tarif komersial. Itu adalah poin paling penting dalam pengumuman ini bagi siapa pun di luar perusahaan besar, dan justru poin dengan detail paling sedikit: tidak ada kriteria kelayakan, tidak ada jadwal aplikasi, tidak ada batas maksimum per organisasi.

Pada hari yang sama, OpenAI membuka GPT-5.6 Cyber untuk semua pelanggan Daybreak Red. Jika dibaca sebagai satu pasangan, kedua langkah itu adalah pergeseran tier yang standar — generasi sebelumnya menjadi lantai, sedangkan yang baru menjadi langit-langit — dan keduanya memberi tahu Anda seperti apa permintaan yang OpenAI perkirakan. Sebagian besar pelanggan Red akan mendapatkan model yang lebih lama; model yang lebih baru ditujukan untuk akun yang ingin diawasi OpenAI secara individual.

Satu catatan tentang daftar mitra. Tulisan OpenAI menyebut Cisco, Calif, dan CodeRabbit sebagai tim keamanan yang menggunakan model tersebut untuk riset kerentanan dan tinjauan kode, dan liputan peluncuran sekunder menambahkan Palo Alto Networks. Mozilla adalah yang paling konkret: OpenAI melaporkan 81 kerentanan Firefox berkeparahan tinggi yang sebelumnya tidak diketahui plus 30 masalah yang sudah diketahui yang ternyata lebih parah daripada yang dilaporkan, dan Mozilla mulai menerapkan perbaikan tak lama setelahnya. Dragos adalah mitra evaluasi, bukan pelanggan. Tidak ada mitra bernama yang dikutip di mana pun dalam pengumuman tersebut, jadi setiap hubungan itu dijelaskan oleh OpenAI, bukan dikonfirmasi dengan kata-kata mitra itu sendiri.

Jika Anda tidak berada di Daybreak Red

Posisi jujur bagi sebagian besar tim adalah bahwa model ini belum dapat dibeli, dan pertanyaan yang berguna adalah apa yang harus dijalankan sementara ini. Kami tidak merutekan GPT-6 Cyber — model ini tidak ada dalam katalog OrcaRouter, dan halaman model OpenAI untuknya memerlukan persetujuan Daybreak Red sebelum kunci dapat berfungsi sama sekali. Yang kami rutekan adalah lini GPT-6 umum: GPT-6 Astra seharga $10/$50, GPT-6 Sol seharga $2/$10, GPT-6 Luna seharga $0.10/$0.50, dan GPT-6.1 Sol seharga $2/$10, semuanya melalui satu kunci API untuk lebih dari 200 model dengan harga daftar dan markup 0%, sehingga perubahan harga vendor mencapai tagihan Anda pada hari yang sama, bukan pada perpanjangan kontrak berikutnya.

Pemisahan itu penting bagi cara tim keamanan benar-benar membangun. Tier siber adalah untuk tahap eksploitasi; semua yang ada di sekitarnya — triage, penyusunan patch, penulisan laporan, tinjauan kode yang memakai temuan — adalah pekerjaan serbaguna yang dilakukan model serbaguna dengan seperlima hingga sepersepuluh harga. Mengarahkan kedua tahap melalui satu endpoint, dengan failover otomatis saat penyedia upstream mengalami degradasi, adalah masalah rekayasa yang lebih kecil daripada menegosiasikan dua kontrak dan menyatukan dua SDK. Ini juga merupakan pengaturan yang mencegah Anda menulis ulang pipeline Anda pada minggu akses Daybreak Red benar-benar dibuka.

Apa yang harus ditonton

Tiga hal akan menentukan apakah rilis ini tampak signifikan dalam enam bulan. Yang pertama adalah apakah akses Daybreak Red yang lebih luas benar-benar tiba, dan bagaimana rating Critical dioperasionalkan saat itu terjadi — rating yang membuat model tetap berada di balik persetujuan manual adalah produk yang berbeda dari produk yang dikirimkan kepada siapa pun yang memiliki kartu. Yang kedua adalah apakah ada pihak di luar OpenAI yang mereproduksi hasil honeypot, karena eksploitasi di luar cakupan sebesar 0,07% pada satu layanan tambahan adalah pengukuran sempit yang diminta menopang klaim keselarasan yang sangat luas. Chris Hughes, VP strategi keamanan di Noma Security, menyampaikan keberatan kepada CSO secara gamblang: tingkat kesalahan yang kecil pada skala yang dimaksudkan untuk menjalankan model-model ini tetap merupakan tindakan terhadap sistem yang tidak diotorisasi oleh siapa pun. Yang ketiga adalah tingkat perbaikan. Hughes menunjuk dasbor Patch the Planet milik OpenAI yang menunjukkan kurang dari 25% cacat yang dilaporkan telah diperbaiki sejauh ini, dan pemindaian Linux berakhir dengan 61 patch dari 948 eksploitasi setelah sepuluh hari.

Sebuah model yang menemukan seribu bug yang dapat dieksploitasi dan pipeline yang memperbaiki enam puluh di antaranya bukanlah peningkatan keamanan di tingkat sistem, sebaik apa pun skor ExploitGym. Argumen kemampuan sudah cukup mantap untuk saat ini: GPT-6 Cyber adalah model keamanan ofensif terkuat yang telah dirilis OpenAI, dengan harga yang sesuai, dan penilaian yang sesuai. Pertanyaan yang dibiarkan terbuka oleh peluncuran ini adalah apakah sisi pengungkapan dari ekosistem dapat menyerap apa yang kini dapat dihasilkan sisi penemuan. Itu masalah yang lebih sulit daripada tolok ukur, dan belum ada yang menerbitkan angka untuk itu.