GPT-6.1 Sol теперь — движок безопасности CodeRabbit. Что на самом деле даёт предложение бесплатного сканирования на $1 млн

CodeRabbit покрывает до 5 000 долларов расходов на проверку безопасности с помощью ИИ на одну организацию, а окно закрывается в 23:59:59 PST 8 ноября 2026 года. Модель, через которую выполняется эта работа, — GPT-6.1 Sol, которую OpenAI выпустила 29 сентября; это не история о запуске, и возраст модели — самое неинтересное в ней. Что изменилось между 23 октября и 26 октября, — уже иное и более значимое: компания по проверке кода с реальным охватом в корпоративном сегменте поставила эту модель в центр продукта для безопасности, опубликовала рабочий процесс вокруг неё и привязала крайний срок к тому, чтобы посторонние могли его попробовать.

Три документа появились за четыре дня. Собственный пост CodeRabbit в блоге от 24 октября, история клиента OpenAI от 26 октября и пресс-релиз Business Wire в тот же день, объявляющий одновременно об обязательстве по бесплатному сканированию и о вступлении CodeRabbit в Daybreak Defense Network от OpenAI. Прочитанные вместе, они описывают модель развёртывания, которую стоит понять, даже если вы никогда не купите ни один из этих продуктов. Прочитанные по отдельности, это маркетинг. Полезная работа — разделить одно и другое.

Что CodeRabbit на самом деле построил вокруг GPT-6.1 Sol

Кейс OpenAI конкретно описывает место применения, и это как раз важно: GPT-6.1 Sol представлен как основная модель в security-агенте CodeRabbit, работающая вместе с другими передовыми моделями и сканерами, которые клиенты уже используют. Он не позиционируется как замена статическому анализу. В собственном посте CodeRabbit говорится чуть больше: CodeRabbit Secure использует «модели GPT 6.1 Sol и GPT Cyber» — стек, а не один вызов.

У продукта есть три слоя, и это по-настоящему разные задачи:

• Ревью PR — просматривает каждое изменение по мере его появления, в рамках обычного процесса ревью.

• Deep Scan — охватывает весь репозиторий, а не один diff, отслеживая, как взаимодействуют компоненты и зависимости.

• CodeRabbit Secure — распространяет это на связанные репозитории, поэтому уязвимость в общей библиотеке аутентификации показывает масштаб своих последствий во всех сервисах, которые её импортируют.

Самая интересная инженерия — в конце цепочки. Для тех находок, которые выбирает пользователь, CodeRabbit пытается проверить возможность эксплуатации, выполняя проверку по этой проблеме в изолированной песочнице — явно не в продакшене — и возвращает одно из трёх состояний: Воспроизведено, Не воспроизведено или Неопределённо. Только подтверждённые находки превращаются в предложенное исправление, доставляемое в виде пул-реквеста, который человек проверяет, тестирует и сливает. Право на слияние никогда не переходит к модели.

Именно этот порядок — сначала достижимость, затем выполнение, потом патч — и есть причина, по которой об этом развёртывании стоит прочитать. Большинство продуктов категории «ИИ находит баги» останавливаются на первом шаге и выдают список, упорядоченный по уверенности языковой модели. Добавление песочницы превращает утверждение в тест. Добавление PR с исправлением превращает тест в дифф, который ваш CI действительно может оценить.

Предложение бесплатного сканирования — в условиях, которые определяют, можете ли вы им воспользоваться

Лендинг CodeRabbit на удивление прямо объясняет механику, поэтому предложение легко оценить, а не всматриваться с прищуром:

• Окно — с 23 октября по 8 ноября 2026 года, окончание в 23:59:59 PST.

• Верхний предел — до 5 000 $ на организацию на использование Deep Scan и исправления.

• Общий пул — 1 млн долларов, черпаемый из общего лимита в 1 000 000 кредитов, в порядке очереди.

• Право на участие — организации с двумя или более участниками. Проекты с открытым исходным кодом, текущие клиенты, бывшие клиенты и команды, которые никогда не работали с CodeRabbit, — все они соответствуют требованиям.

• Что конвертируется — только подтверждённые находки становятся исправлениями, поэтому кредит покрывает исследование и устранение, а не обещание, что всё обнаруженное будет исправлено.

• Неиспользованный кредит — полученные, но не израсходованные кредиты не переносятся после крайнего срока или после исчерпания общего пула.

Эту строку об условиях участия стоит перечитать дважды. «Любая организация» в пресс-релизе означает любую организацию, в которой как минимум два участника, а значит, мейнтейнеры-одиночки не подходят — а ведь именно на них приходится значительная доля открытого исходного кода, от которого зависит большинство компаний. Если вы — один человек с одним репозиторием, это предложение на вас не распространяется, и сколько бы вы ни регистрировались, это не изменится.

Второе, что нужно учитывать при планировании, — это счётчик расхода. Deep Scan тарифицируется по использованию, и контекст между репозиториями входит в то, за что взимается плата; связанные репозитории доступны только для чтения, что ограничивает глубину исследования, но не ограничивает стоимость попытки. Потолок в $5,000 щедр для monorepo среднего размера и ничем не примечателен для крупного, поэтому практичный шаг — направить первое сканирование на репозиторий, которого вы боитесь больше всего, а не на тот, который проще всего передать.

Почему модель с миллионом токенов — правильный формат для работы с репозиториями

Спецификация GPT-6.1 Sol лучше любого маркетингового текста объясняет, насколько он подходит. Он имеет контекстное окно на 1 050 000 токенов с выводом до 128 000 токенов, принимает текстовый и графический ввод и поддерживает пакетную обработку, но не fine-tuning. Дата отсечения знаний — 30 апреля 2026 года. С ним поставляются пять параметров рассуждения — low, medium, high, xhigh и max — причём medium используется по умолчанию, а опции «none» или «minimal» для полного отключения рассуждений нет.

Именно в ценообразовании структура превращается в стратегию. Стандартный прайс-лист — $2 за миллион входных токенов и $10 за миллион выходных, при этом кэшированный ввод стоит $0,10, а запись в кэш — $2,50. Запросы объемом более 272 000 токенов оплачиваются по двойному тарифу за ввод и кэш и по полуторному за вывод — причем для всего запроса. Batch и Flex работают по 50% от Standard; быстрый режим удваивает цену; региональные эндпоинты добавляют примерно 10%.

Прочитайте эти два факта вместе — и дизайн CodeRabbit перестанет казаться произвольным. Профиль затрат агента безопасности — это не профиль затрат чата. Он читает огромные объёмы преимущественно неизменённого исходного кода, выдаёт сравнительно немного результатов и получает больше выгоды от кэширования промптов, чем почти любая другая рабочая нагрузка: репозиторий, который вы сканируете еженедельно, — это репозиторий, контекст которого почти не меняется между запусками. При $0,10 за миллион кэшированных входных токенов повторное чтение крупной кодовой базы обходится дёшево — не так, как при $2. Порог надбавки в 272K — это число, за которым стоит следить: он составляет примерно четверть окна, а значит, очень крупные сканирования платят множитель за каждый токен в запросе, а не только за превышение.

Если вы хотите рассчитать стоимость этого для своего репозитория, GPT-6.1 Sol доступен на OrcaRouter по прайсовой цене — сквозная передача, наценка 0%, поэтому $2/$10 и кэшированная ставка $0.10 — те же цифры, которые публикует OpenAI, и они меняются в тот день, когда OpenAI их меняет. Для этой нагрузки это важнее, чем для чата: основную работу выполняет кэшированный ввод, а процентная надбавка к нему накапливается при каждом сканировании в серии.

Опубликованные OpenAI показатели возможностей модели, которые заявлены поставщиком и не были независимо воспроизведены:

• DeepSWE v1.1 — 75,22% при высоком уровне усилий, около $0,65 за задачу.

• Terminal-Bench Science 0.1 — 57.02% при максимальном усилии, около $5.47 за задачу.

• OSWorld 2.0 — 71,42% при максимальных усилиях, около $1,27 за задачу.

• AutomationBench — 36,10% при максимальных усилиях; GDP.pdf — 32,0% при высоком уровне усилий.

Доля фактических ошибок — 7,7% при низком уровне усилий против 11,4% у GPT-6 Sol; OpenAI описывает это как относительное сокращение примерно на 32%.

Одна деталь в этой таблице заслуживает большего внимания, чем ей обычно уделяют: на DeepSWE высокий уровень усилий даёт 75,22%, а максимальный — 71,90%. Больше рассуждений привело к худшему результату. Всем, кто по умолчанию выбирает максимальную настройку, полагая, что она всегда лучше, стоит взглянуть на эту пару, прежде чем подключать конвейер безопасности к максимуму.

Независимый показатель, который должен охладить пыл

За девять дней до анонса {{1}}CodeRabbit{{/1}} Endor Labs опубликовала оценку, которая напрямую связана с вопросом, оставленным в кейсе открытым. Её Agent Security League прогнала 200 задач через {{2}}Codex CLI 0.144.6{{/2}} в рамках семейства GPT-6 и оценила две вещи: выполнил ли агент задачу вообще и выполнил ли он её безопасно.

GPT-6.1 Sol показал 77,7% FuncPass и 34,1% SecPass на 179 оценённых задачах. GPT-6 Astra набрал 82,1% и 34,6%. GPT-6 Sol набрал 72,1% и 25,1%. Отношение SecPass к FuncPass у Sol — 43,9% — было лучшим среди четырёх протестированных моделей Codex: это означает, что при применении ограничений безопасности он терял меньше всего корректности, хотя его абсолютный показатель прохождения проверок безопасности всего на одну задачу ниже, чем у Astra.

Две трети задач, проваливающих проверку безопасности, — это заголовок, и это реальная находка. Но это и не измерение обнаружения уязвимостей. SecPass спрашивает, написал ли кодирующий агент работающий код, который при этом ещё и безопасен, — а это другой вопрос по сравнению с тем, находит ли агент по безопасности изъяны в коде, написанном кем-то другим. Трактовка 34,1% как «GPT-6.1 Sol пропускает две трети уязвимостей» была бы категориальной ошибкой, и в посте Endor такого утверждения нет. Что он действительно подкрепляет, так это более узкий и более неудобный тезис: в задачах, где безопасность и функциональность конкурируют, нынешние передовые модели жертвуют одним ради другого чаще, чем намекают вендоры. Продукт по безопасности, построенный на таких моделях, лучше всего понимать как дополнительного рецензента с необычно большим бюджетом на чтение, а не как оракула.

Операционные показатели Endor — это полезная часть для любого, кто оценивает затраты на это. Медианное время выполнения задачи — 7,9 минуты, среднее — 13,5, девять тайм-аутов, а полный прогон с четырьмя воркерами завершается примерно за 13 часов. Расход токенов составил примерно 235 миллионов входных токенов, из которых около 94% пришлось на кэш, и 1,5 миллиона выходных — по прейскуранту это оценивается в $70–85 против $104 для GPT-6 Sol и $468 для GPT-6 Astra. Endor также отметил 13 случаев предполагаемого читерства по пяти сигналам и снял все подозрения, сообщив о нуле подтверждённых случаев.

О чём не рассказывает кейс

История клиента OpenAI не содержит ни доли ложноположительных срабатываний, ни разницы в обнаружениях по сравнению с конфигурацией CodeRabbit pre-Sol, ни данных о задержке, ни стоимости на одно обнаружение. В посте CodeRabbit их тоже нет. Ни один из них не обязан это предоставлять — история клиента не является оценкой — но этот пробел определяет, насколько весомым может быть объявление.

Наиболее часто цитируемая статистика из релиза требует наибольшей осторожности. CodeRabbit сообщает о более чем 8 000 уязвимостей высокой или критической степени серьёзности, обнаруженных в 600 организациях за 30 дней, причём на нарушенный контроль доступа, SQL-инъекции и сбои аутентификации приходится более 70% из них. Это агрегированные данные для CodeRabbit Secure, а не результат GPT-6.1 Sol, и ни в одной публикации какая-либо часть этого не приписывается модели, а не сканерам и людям, участвующим в этом процессе.

Есть также широко распространённая цифра, которую неверно истолковывают. Вторичный анализ этого развёртывания ссылается на показатель отклонения предложений в 56,3% из опроса разработчиков 2026 года — без указания провайдера опроса, размера выборки или методики. Отклонение — не то же самое, что ложноположительный результат: разработчик может отклонить корректную находку, потому что она выходит за рамки, плохо сформулирована или просто неудобна. Рассматривайте 56,3% как свидетельство того, что шум при проверке обходится дорого, а не как измеренный уровень ложноположительных результатов, поскольку его никто не публиковал.

Третья оговорка касается непосредственно дизайна. Поскольку песочница возвращает «Неубедительно» как отдельный исход наряду с «Воспроизведено» и «Не воспроизведено», команда, которая проводит быстрый триаж, научится пропускать эту категорию. Как только пропуск войдёт в привычку, оповещения начнут массово отключать — тот же режим отказа, из-за которого устаревшие SAST-инструменты было легко игнорировать. Выделяйте внимание на неоднозначные результаты, иначе инструмент выродится в галочку для комплаенса.

Ничто из этого не говорит против запуска бесплатного сканирования. Это говорит за то, чтобы запускать его как оценку со сравнением до и после, а не как замену. Сама CodeRabbit позиционирует Secure как дополнение к существующим инструментам, и это правильный подход по умолчанию: сохраните Snyk, Semgrep или CodeQL в конвейере и измеряйте, что новый слой добавляет сверху, а не то, что он говорит о себе.

Ворота, которые никто не вписывает в пресс-релиз.

OpenAI классифицирует GPT-6.1 Sol как «критический уровень в сфере кибербезопасности и высокий уровень в биологической/химической сфере» и направляет доступ через тот же стек мер защиты, что и GPT-6 Astra, включая Trusted Access и Daybreak. На практике это означает, что использование в киберсфере ограничено, а ограничения порождают собственные ложноположительные срабатывания.

Есть документально зафиксированный случай. 3 октября разработчик сообщил на {{1}}форуме сообщества{{/1}} OpenAI, что ревью pull-request в AppSec — выполняемое в режиме только для чтения и носящее защитный характер — на собственном репозитории было наотрез заблокировано как ограниченный контент в сфере кибербезопасности; в ответе службы поддержки его отнесли к {{2}}Daybreak Blue{{/2}} и {{3}}Trusted Access for Cyber{{/3}}. Это одно сообщение пользователя при неизвестном объёме успешных запросов, а не измерение, — но именно этот сценарий отказа нужно предусмотреть. Если проверка безопасности является зависимостью в продакшене, исходите из того, что некоторая доля легитимной защитной работы будет отклонена, и сохраняйте путь, не проходящий через конечную точку с ограниченным доступом.

Daybreak Defense Network — это вторая половина этой структуры. Это партнёрская программа OpenAI, предназначенная для того, чтобы внедрять передовые кибермодели в продукты и услуги одобренных поставщиков решений безопасности, а не передавать их напрямую клиентам, с прилагаемыми проверкой личности, ограниченным по объёму тестированием, журналированием и человеческим надзором. Присоединение CodeRabbit к ней и план внедрить специализированные кибермодели GPT от OpenAI в CodeRabbit Secure — более значимый сигнал, чем сама замена модели: это говорит о том, что стек проверки безопасности разделяется, причём универсальная модель рассуждений отвечает за широту охвата, а специализированные кибермодели — за наиболее критичную часть.

Подход, который стоит перенять, даже если вы не будете использовать ни один из этих двух продуктов.

Уберите брендинг — и то, что опубликовал CodeRabbit, представляет собой трёхэтапный цикл, который может собрать любая команда: дать модели контекст всего репозитория, включая связанные зависимости, прогнать подозрительные находки через проверку на основе выполнения в изолированной среде и выдать diff, пригодный для проверки человеком перед слиянием. Модель — наименее проприетарная часть. Именно песочница и шлюз слияния делают результат заслуживающим доверия, и обе эти вещи находятся под вашим контролем.

Это также самый дешёвый способ решить, стоит ли бесплатное предложение вашего времени. Возьмите репозиторий с известной уязвимостью, которую вы исправили несколько месяцев назад, запустите сканирование и посмотрите, выявит ли оно эту проблему, сколько времени это займёт и по какой части отчёта вы действительно станете действовать. Если оно найдёт подложенный случай и в остальном промолчит, то $5,000 стоит потратить до 8 ноября. Если же оно выдаст целую стену неубедительных находок, вы узнаете это ценой половины дня.

Для команд, которые собирают этот цикл сами, а не покупают готовое решение, именно слой маршрутизации несёт в себе операционный риск. Запуск непроверенной модели на производственном пути проверки — это ставка, и автоматическое переключение при сбое — это способ сделать такую ставку, не теряя конвейер при деградации провайдера: запрос уходит к резервной модели, а не оборачивается провалом задачи. Тот же эндпоинт обслуживает GPT-6.1 Sol и модели, на которые вы бы переключались, так что их сравнение стоит изменения одного параметра, а не второго контракта и второго SDK.

Что делать в ближайшие двенадцать дней

Это предложение не является запуском модели, и оценивать его как запуск не следует. GPT-6.1 Sol доступен для вызова с 29 сентября, и с тех пор его результаты в бенчмарках опубликованы; на этой неделе в его возможностях ничего не изменилось. Изменилось то, что поставщик решений безопасности с корпоративным каналом распространения публично взял на себя обязательства по нему, опубликовал процедуру проверки для него и установил жёсткий срок бесплатного доступа.

Если вы руководите командой из двух или более участников и у вас есть кодовая база, за которую вы беспокоитесь, арифметика проста: потолок в $5,000, пул заявок в порядке поступления и одиннадцать дней после сегодняшнего. Запишите свой худший репозиторий на сканирование сейчас, подсадите известный баг, если нужен контрольный пример, и фиксируйте, что отчёт понимает неправильно, так же тщательно, как и то, что он понимает правильно. Если вы работаете один или ваш код уже покрыт сканерами, которым вы доверяете, честный ответ таков: для вас это объявление мало что меняет — модель была доступна до пресс-релиза и будет доступна после того, как закончатся кредиты.