GPT-6.1 Sol är nu CodeRabbits säkerhetsmotor – vad erbjudandet om gratis skanning för $1M faktiskt ger dig

CodeRabbit täcker upp till 5 000 USD av AI-säkerhetsgranskning per organisation, och tidsfönstret stänger kl. 23:59:59 PST den 8 november 2026. Modellen som den utför arbetet genom är GPT-6.1 Sol, som OpenAI släppte den 29 september – det här är inte en lanseringsnyhet, och modellens ålder är det minst intressanta med den. Det som förändrades mellan den 23 och 26 oktober är snävare och mer betydelsefullt: ett kodgranskningsföretag med verklig räckvidd inom företagssektorn satte den modellen i centrum för en säkerhetsprodukt, publicerade arbetsflödet kring den och knöt en tidsfrist till att låta utomstående prova den.

Tre dokument landade inom fyra dagar. CodeRabbits eget blogginlägg den 24 oktober, en OpenAI-kundberättelse den 26 oktober och ett Business Wire-pressmeddelande samma dag som tillkännagav både åtagandet om gratis skanning och CodeRabbits inträde i OpenAI:s Daybreak Defense Network. Lästa tillsammans beskriver de ett driftsättningsmönster som är värt att förstå även om du aldrig köper någon av produkterna. Lästa var för sig är de marknadsföring. Det användbara arbetet är att skilja de två åt.

Vad CodeRabbit faktiskt byggde kring GPT-6.1 Sol

OpenAI-fallstudien är specifik om placeringen, vilket är den del som spelar roll: GPT-6.1 Sol beskrivs som den primära modellen i CodeRabbits säkerhetsagent, som arbetar tillsammans med andra frontier-modeller och de skannrar kunderna redan kör. Den presenteras inte som en ersättning för statisk analys. CodeRabbits eget inlägg går något längre och säger att CodeRabbit Secure använder "GPT 6.1 Sol och GPT Cyber-modeller" – en stack, inte ett enda anrop.

Produkten har tre lager, och de är verkligen olika arbetsuppgifter:

• PR-granskning – läser varje ändring när den landar, i det vanliga granskningsflödet.

• Djupgående skanning – kartlägger hela kodförrådet i stället för en enskild diff och spårar hur komponenter och beroenden samverkar.

• CodeRabbit Secure — utökar detta till länkade repositorier, så en brist i ett delat autentiseringsbibliotek visar sitt skadeomfång i alla tjänster som importerar det.

Det intressanta ingenjörsarbetet ligger i slutet av kedjan. För fynd som en användare väljer försöker CodeRabbit verifiera exploaterbarhet genom att köra mot ärendet i en isolerad sandlåda – uttryckligen inte produktion – och returnerar ett av tre tillstånd: Reproduced, Not reproduced eller Inconclusive. Endast fynd som stöds omvandlas till en föreslagen åtgärd, levererad som en pull request som en människa granskar, testar och sammanfogar. Merge-grinden flyttas aldrig till modellen.

Den ordningen – nåbarhet först, exekvering sedan, patch sist – är anledningen till att den här driftsättningen är värd att läsa om. De flesta produkter för "AI hittar buggar" stannar vid första steget och ger dig en lista sorterad efter en språkmodells konfidens. Att lägga till en sandlåda förvandlar ett påstående till ett test. Att lägga till en fix-PR förvandlar ett test till en diff som din CI faktiskt kan bedöma.

Erbjudandet om gratis skanning, sett till de villkor som avgör om du kan använda det

CodeRabbits landningssida är ovanligt tydlig med mekaniken, vilket gör erbjudandet lätt att utvärdera i stället för att behöva kisa:

• Period — 23 oktober–8 november 2026, avslutas 23:59:59 PST.

• Tak — upp till $5 000 per organisation för Deep Scan-användning och åtgärder.

• Total pott — 1 miljon dollar, som tas från en delad kreditgräns på 1 000 000 krediter, först till kvarn.

• Behörighet — organisationer med två eller fler medlemmar. Projekt med öppen källkod, nuvarande kunder, tidigare kunder och team som aldrig har använt CodeRabbit är alla berättigade.

• Vad som omvandlas – endast styrkta fynd blir rättningar, så krediten bekostar utredning och avhjälpande, inte ett löfte om att allt som hittas rättas.

• Oanvänd kredit — ansökta men oanvända krediter rullar inte över efter tidsfristen eller efter att den delade poolen är förbrukad.

Den där behörighetsraden är den man ska läsa två gånger. "Any organization" i pressmeddelandet betyder vilken organisation som helst med minst två medlemmar, vilket utesluter enskilda underhållare – en grupp som förvaltar en stor del av den öppna källkod som de flesta företag är beroende av. Om du är en enskild person med ett kodförråd gäller erbjudandet inte dig, och det spelar ingen roll hur mycket du än registrerar dig – det ändrar inte saken.

Det andra att planera för är mätaren. Deep Scan faktureras efter användning, och kontext över flera repon är en del av det som debiteras; länkade repon är skrivskyddade, vilket begränsar hur djup en undersökning kan bli men inte begränsar vad det kostar att försöka. Ett tak på 5 000 dollar är generöst för ett medelstort monorepo och inget anmärkningsvärt för ett stort, så det praktiska draget är att rikta den första skanningen mot det repo du är mest rädd för i stället för det som är enklast att lämna över.

Varför en modell med en miljon tokens är rätt utformning för arbete med kodförråd

Specifikationen för GPT-6.1 Sol förklarar hur väl den passar bättre än någon marknadsföringstext. Den har ett kontextfönster på 1 050 000 token med upp till 128 000 token utdata, tar emot text och bild som indata och stöder batchbearbetning men inte finjustering. Kunskapsgränsen är 30 april 2026. Fem resonemangsinställningar medföljer – låg, medel, hög, xhigh och max – med medel som standard och inget "none"- eller "minimal"-alternativ för att stänga av resonemang helt.

Det är i prissättningen som formen blir en strategi. Standardlistan är $2 per miljon indatatoken och $10 per miljon utdatatoken, med cachad indata på $0,10 och cacheskrivningar på $2,50. Förfrågningar över 272 000 token betalar dubbelt för indata och cache, och en och en halv gång för utdata, för hela förfrågan. Batch och Flex körs till 50 % av Standard; snabbläget fördubblar det; regionala slutpunkter tillkommer cirka 10 %.

Läs de två fakta tillsammans så slutar CodeRabbits design framstå som godtycklig. En säkerhetsagents kostnadsprofil är inte en kostnadsprofil för chatt. Den läser enorma mängder mestadels oförändrad källkod, producerar jämförelsevis lite utdata och drar mer nytta än nästan någon annan arbetsbelastning av promptcachning – ett kodförråd som du skannar varje vecka är ett kodförråd vars kontext knappt förändras mellan körningarna. Till $0.10 per miljon cachade indatatokens är det billigt att läsa om en stor kodbas på ett sätt som det inte är att läsa om den för $2. Tröskeln för 272K-tillägget är siffran att hålla koll på: den är ungefär en fjärdedel av fönstret, vilket innebär att mycket stora skanningar betalar multiplikatorn för varje token i begäran, inte bara för överskottet.

Om du vill räkna ut kostnaden mot ditt eget repo är GPT-6.1 Sol på OrcaRouter till listpris — vidarefakturerat, 0 % påslag, så $2/$10 och den cachade taxan på $0,10 är samma siffror som OpenAI publicerar och ändras samma dag som OpenAI ändrar dem. Det spelar större roll för den här arbetsbelastningen än för chatt: cachad indata gör det mesta av arbetet, och en procentsats ovanpå det ackumuleras över varje skanning i en serie.

OpenAI:s publicerade kapacitetssiffror för modellen, vilka är leverantörsrapporterade och inte oberoende reproducerade:

• DeepSWE v1.1 — 75,22 % vid hög ansträngning, till cirka 0,65 USD per uppgift.

• Terminal-Bench Science 0.1 — 57,02 % vid maximal ansträngning, till cirka 5,47 USD per uppgift.

• OSWorld 2.0 — 71,42 % vid maximal ansträngning, till cirka 1,27 dollar per uppgift.

• AutomationBench — 36,10 % vid maximal ansträngning; GDP.pdf — 32,0 % vid hög ansträngning.

Frekvensen av sakfel – 7,7 % vid låg ansträngning, mot 11,4 % för GPT-6 Sol, en minskning som OpenAI beskriver som ungefär 32 % relativt.

En detalj i den tabellen förtjänar mer uppmärksamhet än den får: på DeepSWE får high effort 75,22 % och max effort 71,90 %. Mer resonemang gav ett sämre resultat. Den som sätter högsta inställningen som standard i tron att den är bättre i alla lägen bör titta på det paret innan man kopplar en säkerhetspipeline till max.

Det oberoende talet som bör dämpa tonläget

Nio dagar före CodeRabbit-tillkännagivandet publicerade Endor Labs en utvärdering som direkt berör den fråga som fallstudien lämnar öppen. Deras Agent Security League körde 200 uppgifter genom Codex CLI 0.144.6 över GPT-6-familjen och betygsatte två saker: om agenten slutförde uppgiften överhuvudtaget, och om den slutförde den på ett säkert sätt.

GPT-6.1 Sol landade på 77,7 % FuncPass och 34,1 % SecPass över 179 poängsatta uppgifter. GPT-6 Astra fick 82,1 % och 34,6 %. GPT-6 Sol fick 72,1 % och 25,1 %. Sol:s kvot mellan SecPass och FuncPass, 43,9 %, var bäst av de fyra testade Codex-modellerna – vilket innebär att den förlorade minst korrekthet när säkerhetsbegränsningar tillämpades, även om dess absoluta andel godkända säkerhetstester ligger bara en uppgift under Astras.

Att två tredjedelar av uppgifterna misslyckas med säkerheten är rubriken, och det är ett verkligt fynd. Det är också inte en mätning av sårbarhetsdetektion. SecPass frågar huruvida en kodningsagent skrev fungerande kod som också var säker — en annan fråga än huruvida en säkerhetsagent hittar brister i kod som någon annan har skrivit. Att läsa 34,1 % som "GPT-6.1 Sol missar två tredjedelar av sårbarheterna" vore ett kategorifel, och Endor-inlägget gör inte det påståendet. Det som det däremot stöder är en snävare och svårare poäng: på uppgifter där säkerhet och funktionalitet konkurrerar byter nuvarande frontmodeller bort den ena mot den andra oftare än leverantörerna antyder. En säkerhetsprodukt byggd på dessa modeller förstås bäst som en ytterligare granskare med en ovanlig läskvot, inte som ett orakel.

Endors driftssiffror är den användbara delen för den som vill beräkna kostnaden. Medianen är 7,9 minuter per uppgift, medelvärdet 13,5, nio timeouts och en full körning med fyra arbetare som slutförs på ungefär 13 timmar. Tokenanvändningen var cirka 235 miljoner indatatokens med ungefär 94 % cachat, plus 1,5 miljoner utdata – uppskattningsvis 70–85 dollar till listpriser, jämfört med 104 dollar för GPT-6 Sol och 468 dollar för GPT-6 Astra. Endor flaggade också 13 fall av misstänkt fusk över fem signaler och friade alla, med noll bekräftade fall.

Vad fallstudien inte berättar för dig

OpenAI:s kundberättelse innehåller ingen andel falska positiva, inget detektionsdelta gentemot CodeRabbits konfiguration före Sol, inga latenssiffror och ingen kostnad per fynd. CodeRabbits inlägg tillhandahåller dem inte heller. Ingendera är skyldig att göra det – en kundberättelse är inte en utvärdering – men gapet avgör hur mycket tyngd tillkännagivandet kan bära.

Den mest citerade statistiken från releasen kräver störst försiktighet. CodeRabbit rapporterar fler än 8 000 sårbarheter med hög eller kritisk allvarlighetsgrad som hittats i 600 organisationer under 30 dagar, där bristande åtkomstkontroll, SQL-injektion och autentiseringsfel står för över 70 % av dem. Det är en aggregerad siffra för CodeRabbit Secure, inte ett resultat från GPT-6.1 Sol, och inget publicerat tillskriver någon del av den till modellen snarare än till skannrarna och människorna runt den.

Det finns också en vitt spridd siffra som misstolkas. En sekundär analys av den här driftsättningen citerar en avvisningsfrekvens för förslag på 56,3 % från en utvecklarundersökning 2026 – utan att ange undersökningens leverantör, urvalsstorlek eller metod. Avvisning är inte detsamma som ett falskt positivt resultat: en utvecklare kan avfärda ett korrekt fynd för att det ligger utanför omfånget, är dåligt formulerat eller helt enkelt obekvämt. Behandla 56,3 % som bevis på att granskningsbrus är dyrt, inte som en uppmätt andel falska positiva, eftersom ingen har publicerat en sådan.

Det tredje förbehållet är specifikt för designen. Eftersom sandlådan returnerar "Inconclusive" som ett eget utfall vid sidan av "Reproduced" och "Not reproduced", kommer ett team som triagerar snabbt att lära sig att hoppa över den kategorin. När hoppandet väl blir en vana tystas larm i stor skala – samma felmönster som gjorde äldre SAST-verktyg lätta att ignorera. Avsätt tid och uppmärksamhet åt de oavgjorda resultaten, annars urartar verktyget till en kryssruta för regelefterlevnad.

Inget av detta talar emot att köra den kostnadsfria skanningen. Det talar för att köra den som en utvärdering med före-och-efter, inte som en ersättning. CodeRabbits egen framställning placerar Secure som ett komplement till befintliga verktyg, och det är rätt standardinställning: behåll Snyk, Semgrep eller CodeQL i pipelinen och mät vad det nya lagret tillför ovanpå snarare än vad det säger om sig själv.

Grinden som ingen tar med i pressmeddelandet

OpenAI klassificerar GPT-6.1 Sol som "Kritisk cybersäkerhet och hög biologisk/kemisk" och dirigerar åtkomst genom samma skyddsstack som GPT-6 Astra, inklusive Trusted Access och Daybreak. I praktiken innebär det att cyberkapabel användning är grindad, och grindning ger upphov till sina egna falska positiva resultat.

Det finns ett dokumenterat fall. Den 3 oktober rapporterade en utvecklare i OpenAI:s communityforum att en skrivskyddad, defensiv AppSec-granskning av en pull request i deras eget kodförråd blockerades helt som begränsat cybersäkerhetsinnehåll; svaret från supporten placerade den under Daybreak Blue och Trusted Access for Cyber. Det är en enskild användarrapport mot en okänd mängd lyckade förfrågningar, inte en mätning – men det är den felmod som man måste planera för. Om säkerhetsgranskning är ett produktionsberoende, anta att en viss andel legitimt defensivt arbete kommer att avvisas, och behåll en väg som inte går via en åtkomstkontrollerad slutpunkt.

Daybreak Defense Network är den andra halvan av den strukturen. Det är OpenAI:s partnerprogram för att placera banbrytande cybermodeller i godkända säkerhetsleverantörers produkter och tjänster i stället för direkt i kundernas händer, med identitetsverifiering, avgränsad testning, loggning och mänsklig tillsyn kopplade till sig. Att CodeRabbit ansluter sig till det, och planerar att föra in OpenAI:s dedikerade GPT-cybermodeller i CodeRabbit Secure, är en mer betydelsefull signal än själva modellutbytet: det antyder att stacken för säkerhetsgranskning delas upp, där en allmän resonemangsmodell hanterar bredden och specialbyggda cybermodeller hanterar den skarpa änden.

Mönstret som är värt att kopiera även om du hoppar över båda produkterna

Tar man bort varumärket är det CodeRabbit publicerade en trestegsloop som alla team kan sätta ihop: ge modellen kontext för hela repot, inklusive länkade beroenden, tvinga misstänkta fynd genom exekveringsbaserad verifiering i en isolerad miljö och producera en granskningsbar diff som en människa kan slå samman. Modellen är den minst proprietära delen. Sandlådan och sammanslagningsgrinden är det som gör resultatet pålitligt, och båda är saker du kontrollerar.

{{1}}Det är också det billigaste sättet att avgöra om det kostnadsfria erbjudandet är värt din tid.{{/1}} {{2}}Ta ett kodförråd med en känd sårbarhet som du åtgärdade för månader sedan, kör skanningen och se om den får syn på problemet, hur lång tid den tar och hur mycket av rapporten du faktiskt skulle agera på.{{/2}} {{3}}Om den hittar det planterade fallet och annars förblir tyst, är de 5 000 dollar värda att spendera före den 8 november.{{/3}} {{4}}Om den returnerar en vägg av ofullständiga fynd har du lärt dig det för priset av en eftermiddag.{{/4}}

För team som bygger loopen själva i stället för att köpa den är routningslagret där den operativa risken ligger. Att köra en oprövad modell i ett produktionsgranskningsflöde är en chansning, och automatisk failover är sättet att ta den risken utan att tappa pipelinen när en leverantör försämras – begäran skickas till en reservmodell i stället för att jobbet misslyckas. Samma slutpunkt hanterar GPT-6.1 Sol och de modeller du skulle falla tillbaka till, så att jämföra dem kostar en parameterändring i stället för ett andra avtal och ett andra SDK.

Vad ska man göra de kommande tolv dagarna

Erbjudandet är ingen modellansering och bör inte utvärderas som en sådan. GPT-6.1 Sol har gått att anropa sedan den 29 september och dess benchmarks har varit offentliga sedan dess; inget i dess kapacitet förändrades den här veckan. Det som förändrades är att en säkerhetsleverantör med företagsdistribution offentligt ställde sig bakom den, publicerade verifieringsarbetsflödet kring den och satte en hård deadline för gratis åtkomst.

Om du leder ett team med två eller fler medlemmar och har en kodbas du oroar dig för är räkningen enkel: ett tak på 5 000 dollar, en pott där det är först till kvarn och elva dagar kvar efter i dag. Boka skanningen mot ditt sämsta kodförråd nu, plantera en känd bugg om du vill ha en kontroll och skriv ned vad rapporten har fel om lika noggrant som vad den har rätt om. Om du kör solo, eller om din kod redan täcks av skannrar du litar på, är det ärliga svaret att det här tillkännagivandet inte förändrar mycket för dig — modellen var tillgänglig före pressmeddelandet, och den kommer att vara tillgänglig efter att krediterna tar slut.