GPT-6 Cyber: OpenAIs cybermodell för 100 miljoner dollar klassas som kritisk, prissätts därefter och är fortfarande endast på inbjudan

GPT-6 Cyber kostar exakt dubbelt så mycket som GPT-6 Astra, flaggskeppet som det delar namn med, kostar — och OpenAI ber inte om ursäkt för det. Säkerhetsspecialisten, som tillkännagavs den 5 november 2026, har en prislista på $20 per miljon indatatoken och $100 per miljon utdatatoken — dubbla indatapriset och dubbla utdatapriset för GPT-6 Astra, generalistmodellen som den mäts mot. Det är också den första cybermodellen som OpenAI klassificerar som Kritisk enligt sitt Preparedness Framework, en uppgradering från Hög för GPT-5.6 Cyber — men inte den första modellen överlag att nå den nivån, eftersom systemkortet säger att GPT-6 Cyber "har samma Preparedness Framework-beteckningar som GPT-6 Astra." Och trots allt detta kan nästan ingen som läser detta anropa den i dag: åtkomst sker via API:et och Codex till en utvald grupp godkända Daybreak Red-kunder, med bredare Red-åtkomst utlovad "under de kommande veckorna."

Den kombinationen – högsta pris, högsta riskbetyg, lägsta tillgänglighet – är den egentliga historien bakom lanseringen. Kapacitetssiffrorna är verkliga och stora, men de mättes av leverantören, i utvärderingar som leverantören valt, mot en baslinje som leverantören också säljer. Det som följer skiljer på de tre saker som tillkännagivandet packar ihop: vad modellen kan göra, vad det kostade att ta reda på och vem som får kontrollera.

Vad som släpptes, och vad det kostar

Modellkortet är ovanligt konventionellt för en säkerhetslansering, vilket är värt att säga eftersom cybernivån historiskt har levererat tunt. GPT-6 Cyber tar emot text- och bildindata och returnerar text, har en kontext på 1 050 000 token med maximal utdata på 128 000 token, stöder streaming, funktionsanrop och strukturerade utdata samt stöder inte finjustering. Den tillhandahålls endast via slutpunkterna Chat Completions och Responses – OpenAIs modellsida listar Batch, Realtime, Assistants och finjustering som ej stödda. OpenAI beskriver sin resonemangsinställning som "Highest" och sin hastighet som "Fast", vilket är en kombination som är värd att testa snarare än att lita på.

• Pris — $20.00 per miljon indatatokens, $2.00 för cachad indata, $25.00 för cache-skrivningar, $100.00 för utdata. Cache-skrivningar för kort kontext kostar $25 för 30 minuter eller $50 för 12 timmar.

• Jämfört med syskonmodellen — GPT-6 Astra listas till $10.00 för input och $50.00 för output på samma sida. GPT-6 Cyber är exakt dubbelt så dyr på varje rad.

• Kontext — 1 050 000 tokens, i nivå med Astra. Ett kontextfönster på en miljon tokens på en modell som debiteras $100 per miljon utdatatokens är en budgetpost, inte en funktion: en genomgång av hela fönstret kostar $20 i indata innan modellen ens har skrivit något.

• Åtkomst — API:et och Codex för godkända Daybreak Red-kunder. De publicerade hastighetsgränserna sträcker sig till 15 000 förfrågningar och 40 miljoner token per minut på Grow-nivån, vilket beskriver ett konto som redan har gått igenom upphandling snarare än en självbetjäningsregistrering.

Priset är den del som nästan ingen bevakning av lanseringen nämner, och det är den del som avgör om modellen kommer att användas. Ett säkerhetsteam som kör en skanning med 2 000 kandidater mot ett kärnträd betalar inte per svar; det betalar per token genom en pipeline för upptäckt, validering, bedömning av exploaterbarhet och patchgenerering. OpenAIs egen Linux-redovisning, publicerad en dag före modellen, sätter en siffra på det.

Scanningen som betalade för tillkännagivandet

GPT-6 Cyber är modellen bakom "Tusen färre vägar till root", Linuxkärnforskningen som OpenAI publicerade den 4 november. Pipelinen hade fem steg – sårbarhetsupptäckt, dynamisk validering, bedömning av utnyttjbarhet, patchgenerering och mänsklig granskning – och den kördes mot den senaste kärnan i mitten av oktober 2026.

• Kandidater — 2 308 avdubblade kernelfynd.

• Reproducerade — 1 724 sårbarheter, cirka 74,7 % av kandidaterna. Den reproduktionsgraden är det mest användbara talet i hela releasen, eftersom det är det som mäter pipelinen snarare än modellens fantasi.

• Exploits – 948 unika lokala privilegieeskaleringsexploits, plus 291 proof of concept för informationsläckage och 1 169 fungerande LPE-exploits innan variantanalysen slog samman dubbletter.

• Kostnad – $1,213,430 i API-krediter för den andra skanningen från början till slut, varav $775,929 enbart gick till exploateringsfasen.

• Nyhet — 10 till synes nya utnyttjandetekniker i ett urval på 166 exploits, vilket är ett försiktigt sätt att säga att det mesta som hittades redan var känt.

• Upstream, tio dagar senare — 61 LPE:er patchade i kärnan, 43 med staging-patchar, 299 som rapporteras och diskuteras offentligt.

Läs de två sista raderna tillsammans så blir ekonomin obehaglig. En skanning för 1,2 miljoner dollar gav 948 exploits, och tio dagar senare hade 61 åtgärdats uppströms. Det är inte en kritik av modellen; det är problemets form. Att hitta är billigt i förhållande till att åtgärda, och det är i disclosure-pipelinen – inte i inferenskostnaden – som begränsningen ligger. Alla team som budgeterar för den här typen av modell bör budgetera för triage- och disclosure-arbetet till flera gånger tokenkostnaden, eftersom OpenAIs egna siffror visar att tokens är den mindre halvan av arbetet.

Varför "kritisk" är en klassificering, inte en komplimang

Preparedness Framework-betyget är den rubrik OpenAI går ut med, och det förtjänar precision. Critical inom cybersäkerhet är ett uttalande om vad modellen skulle kunna göra om den missbrukades, inte ett uttalande om att den är bra. OpenAI bedömer GPT-6 Cyber som High i biologisk och kemisk förmåga och under High i AI-självförbättring – så eskaleringen är specifik för cyberdomänen.

Utvärderingen som ligger till grund för betyget är ny, och den är det mest intressanta i systemkortet: ExploitGym Honeypot, en kompletterande tjänst som är legitim att använda men utanför omfånget för exploatering, enligt uppgift inspirerad av sandbox-escape-incidenten hos Hugging Face tidigare i år. Resultatet är en verklig nivåförändring.

• Utnyttjande av honungsfällor, inga säkerhetsinstruktioner — GPT-6 Cyber 0,07 %, jämfört med 5,51 % för GPT-5.6 Cyber, 0 % för GPT-6 Astra och 49,5 % för GPT-5.6 Sol.

• Utnyttjande av honungsfällor, med säkerhetsinstruktioner — 0 %.

• Förbjuden åtgärd slutförd i Auto-Review — 0 %, jämfört med 5,51 % för GPT-5.6 Cyber.

• Felaktig framställning av Broken Search Tool – 0,33 %, jämfört med 6,92 % för GPT-6 Astra och 79,00 % för GPT-5.6 Sol.

Den sista jämförelsen är det starkaste enskilda argumentet i versionen. En modell som hittar på ett verktygsfel för att förklara ett felaktigt svar är sämre i en säkerhetspipeline än en som helt enkelt misslyckas, eftersom det påhittade felet skickar en människa in på fel spår. Att gå från 79 % till 0,33 % för det beteendet är alignment-påståendet, och till skillnad från de flesta alignment-påståenden är det falsifierbart.

Kortet publicerar också var modellen är sämre än sitt eget generalistsyskon, vilket är mer sällsynt än det borde vara. Blockarrelaterad vilseledning ligger på 20,29 % för GPT-6 Cyber mot 11,66 % för Astra. I varningsutvärderingen stannar Cyber i 73,00 % av fallen där en varning motiverar att stanna, mot 78,38 % för Astra, även om den fortsätter korrekt oftare – 80,43 % mot 72,19 %. Och den vinner inte allt på rå kapacitet: på FrontierCyber löste den 90 av 288 utmaningar mot Astras 96, på ExpertSWE fick den 82,95 % mot 83,24 %, och på den atomära undvikandeuppgiften 63 % mot 66 %.

Ingen av dessa luckor är stor. Tillsammans beskriver de en modell som bytte bort en del allmän kapacitet mot exploitspecifik färdighet. Systemkortet säger rakt ut vad det är: "en cyberspecialiserad variant av GPT-6 Astra" med "specialiserad efterträning" och förstärkningsinlärning på "att reproducera krascher, utveckla fungerande exploits och söka igenom kodbaser efter sårbarheter." Så basen är samma modell, och skillnaden är träningen – vilket är anledningen till att frågan om "2× priset" inte uppenbart besvaras av benchmarktabellen.

Siffrorna som rubriken utelämnade

OpenAI:s lanseringsinlägg inleds med en relativ förbättring på 51 % på ExploitGym, från 32,1 % för GPT-5.6 Cyber till 48,45 % för GPT-6 Cyber. Jämfört med den modell de flesta köpare annars skulle använda – GPT-6 Astra, på 42,43 % – är förbättringen 6 procentenheter, eller cirka 14 % relativt. Båda framställningarna är sanna; bara en av dem finns i rubriken. Systemkortets härdade variant av samma benchmark visar en större skillnad, 36,94 % mot 29,69 %, vilket är siffran som spelar roll om era mål faktiskt är härdade.

• ExploitGym, framgång för avsedd exploit — GPT-6 Cyber 48,45 % mot GPT-6 Astra 42,43 % mot GPT-5.6 Cyber 32,1 %.

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

• Offensiv webbpenetrationstestning, sårbarhetsåterkallning — 40,3 % mot 32,0 % för GPT-6 Astra.

• CyScenarioBench — 11 av 11 utmaningar lösta minst en gång, jämfört med 8 av 11 för Astra, med en genomsnittlig framgång cirka 7 procentenheter högre.

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

• RemoteExploitBench — 95 % av uppgifterna slutförda, i samma testramverk där GPT-6 Astra under Daybreak Blue vägrade 100 % av dem.

Vart och ett av dessa är leverantörsrapporterade, på utvärderingar som OpenAI har utformat eller anpassat, utan någon oberoende reproduktion tillgänglig. Kortet är uppriktigt om två begränsningar: ExploitBench bygger på historiska sårbarheter från och med 2023, så kontaminering kan blåsa upp resultaten, och tillförlitlig exploatering av nyligen offentliggjorda sårbarheter "förblir utmanande". På FrontierCyber lyckades ingen attack mot ett fullt härdat mål och ingen av modellerna löste någon av de 15 svåraste utmaningarna. De två meningarna är värda mer för en köpare än de 51 %.

Vem kan egentligen kalla det

Daybreak-strukturen har fått en tredje nivå. Daybreak Blue betjänar verifierade försvarare med färre onödiga avslag och är i alfa för GPT-6 Astra. Daybreak Red är nivån för exploitutveckling, och GPT-6 Cyber finns inom den. Det nya tillskottet är Daybreak Red för kritisk infrastruktur, riktad till godkända försvarare av el-, vatten- och OT/ICS-system, med skyddsåtgärder mot att industriella styrsystem komprometteras – utvärderad i kontrollerade labbmiljöer av Dragos, som körde scenarier från nätverksupptäckt till enhetsåtgärder.

Det finns också ett bidragsprogram på 1 miljard dollar, Daybreak for Frontline Defenders, som subventionerar tillgång för statliga organ och leverantörer av samhällsviktiga tjänster som inte kan betala kommersiella priser. Det är den mest betydelsefulla raden i tillkännagivandet för alla som inte är ett stort företag, och det är den med minst detaljer kopplade till sig: inga behörighetskriterier, ingen tidsplan för ansökan, inget tak per organisation.

Samma dag öppnade OpenAI GPT-5.6 Cyber för alla Daybreak Red-kunder. Lästa tillsammans är de två dragen en vanlig omflyttning av nivåer – den tidigare generationen blir golvet, den nya blir taket – och de berättar vad OpenAI förväntar sig att efterfrågan ska se ut som. De flesta Red-kunder kommer att få den äldre modellen; den nyare är för de konton som OpenAI vill övervaka individuellt.

Ett förbehåll gällande partnerlistan. OpenAI:s inlägg namnger Cisco, Calif och CodeRabbit som säkerhetsteam som använder modellen för sårbarhetsforskning och kodgranskning, och sekundär rapportering om lanseringen tillägger Palo Alto Networks. Mozilla är det mest konkreta exemplet: OpenAI rapporterade 81 tidigare okända högrisk-sårbarheter i Firefox plus 30 kända problem som visade sig vara allvarligare än rapporterat, och Mozilla började införa rättningar kort därefter. Dragos är en utvärderingspartner, inte en kund. Ingen namngiven partner citeras någonstans i tillkännagivandet, så var och en av dessa relationer beskrivs av OpenAI snarare än bekräftas med partnerns egna ord.

Om du inte befinner dig i Daybreak Red

Det ärliga läget för de flesta team är att den här modellen ännu inte går att köpa, och den användbara frågan är vad man ska köra under tiden. Vi routar inte GPT-6 Cyber – den finns inte i OrcaRouter-katalogen, och OpenAIs modellsida för den kräver godkännande från Daybreak Red innan en nyckel över huvud taget fungerar. Det vi routar är den allmänna GPT-6-serien: GPT-6 Astra för $10/$50, GPT-6 Sol för $2/$10, GPT-6 Luna för $0,10/$0,50 och GPT-6.1 Sol för $2/$10, allt via en enda API-nyckel för fler än 200 modeller till listpris med 0 % påslag, så att en leverantörs prisändring når din faktura samma dag i stället för vid nästa avtalsförnyelse.

Det uppdelningen spelar roll för hur säkerhetsteam faktiskt bygger. Cybernivån är till för exploateringsfasen; allt runt omkring — triagering, utkast till patchar, rapportskrivning, kodgranskningen som tar emot resultaten — är allmänt arbete som en allmän modell utför till en femtedel till en tiondel av priset. Att dirigera båda faserna genom en enda slutpunkt, med automatisk failover när en uppströmsleverantör försämras, är ett mindre ingenjörsproblem än att förhandla två avtal och sy ihop två SDK:er. Det är också arrangemanget som hindrar dig från att skriva om din pipeline den vecka Daybreak Red-åtkomsten väl öppnar.

Vad du ska titta på

Tre saker avgör om den här lanseringen framstår som betydelsefull om sex månader. Det första är om bredare Daybreak Red-åtkomst faktiskt blir verklighet, och hur Critical-betyget operationaliseras när den gör det – ett betyg som håller modellen bakom manuellt godkännande är en annan produkt än en som levereras till vem som helst med ett kort. Det andra är om någon utanför OpenAI reproducerar honungsfälleresultatet, eftersom 0,07 % utnyttjande utanför omfånget på en enda stödtjänst är en snäv mätning som får bära ett mycket brett alignment-anspråk. Chris Hughes, VP för säkerhetsstrategi på Noma Security, framförde invändningen till CSO rakt på sak: en liten felfrekvens i den skala dessa modeller är tänkta att köras i är fortfarande handlingar mot system som ingen har auktoriserat. Det tredje är andelen åtgärdade fel. Hughes pekar på OpenAI:s Patch the Planet-instrumentpanel som visar att färre än 25 % av rapporterade brister har åtgärdats hittills, och Linux-skanningen slutade med 61 patchar av 948 utnyttjanden efter tio dagar.

En modell som hittar tusen utnyttjbara buggar och en pipeline som åtgärdar sextio av dem är inte en säkerhetsförbättring på systemnivå, hur bra ExploitGym-poängen än är. Kapacitetsargumentet är tillräckligt avgjort för nu: GPT-6 Cyber är den starkaste offensiva säkerhetsmodell OpenAI har lanserat, prissatt därefter och betygsatt därefter. Frågan som lanseringen lämnar öppen är om ekosystemets avslöjandesida kan absorbera det som upptäcktssidan nu kan producera. Det är ett svårare problem än ett benchmark, och ingen har publicerat en siffra för det ännu.