GPT-6 Cyber：OpenAI 每百萬要價 100 美元的資安模型，被評為「重大」等級、定價也照此辦理，且仍僅限受邀使用

GPT-6 Cyber 的價格正好是與其同名的旗艦模型 GPT-6 Astra 的兩倍——而 OpenAI 並不為此道歉。這款安全專用模型於 2026 年 11 月 5 日發布，價目表為每百萬輸入 token 20 美元、每百萬輸出 token 100 美元——是其對標的通用模型 GPT-6 Astra 輸入價格的兩倍、輸出價格的兩倍。它也是首個資安模型，OpenAI 歸類為Critical，這是依據其 Preparedness Framework 的分類，較 GPT-5.6 Cyber 的 High 級別提升——不過它並非整體上首個達到該層級的模型，因為系統卡指出，GPT-6 Cyber「具有與 GPT-6 Astra 相同的 Preparedness Framework 指定等級」。儘管如此，今天幾乎沒有讀者能呼叫它：存取權限透過 API 和 Codex 提供給一組精選的獲准 Daybreak Red 客戶，而更廣泛的 Red 存取權限則承諾「在未來幾週內」開放。

那個組合——最高價格、最高風險評級、最低可用性——才是這次發布的真正重點。能力數字真實且龐大，但那些數字是廠商自己測的，用的是廠商挑選的評測，對比的基準也是廠商自己販售的。接下來要拆開的，是這份公告綁在一起的三件事：模型能做什麼、弄清楚這點付出了什麼代價，以及誰有權查核。

已推出什麼，以及其成本為何

對資安版本而言，這張模型卡異常地循規蹈矩，這點值得一提，因為網路安全層級過去常有內容單薄的紀錄。GPT-6 Cyber 接受文字與圖像輸入並回傳文字，具備 1,050,000 個權杖的上下文，最大輸出為 128,000 個權杖，支援串流、函式呼叫與結構化輸出，但不支援微調。它僅在 Chat Completions 與 Responses 端點上提供服務——OpenAI 的模型頁面將 Batch、Realtime、Assistants 與微調列為不支援。OpenAI 將其推理設定描述為「Highest」，速度描述為「Fast」，這種搭配值得實測，而非直接採信。

• 價格 — 每百萬輸入 token 為 $20.00，快取輸入為 $2.00，快取寫入為 $25.00，輸出為 $100.00。短期上下文快取寫入費用為 30 分鐘 $25 或 12 小時 $50。

• 相較於同系列產品——GPT-6 Astra 在同一頁面上列出輸入 $10.00、輸出 $50.00。GPT-6 Cyber 在每一項的價格都正好是兩倍。

• 上下文 — 1,050,000 個 token，與 Astra 相當。對於一個每百萬輸出 token 收費 100 美元的模型來說，百萬 token 的上下文是一筆預算項目，而不是一項功能：在模型寫下任何內容之前，一次完整視窗的處理就要花費 20 美元的輸入費用。

• 使用權限 — 已核准的 Daybreak Red 客戶可使用 API 與 Codex。在 Grow 方案層級，公布的速率限制為每分鐘 15,000 次請求與 4,000 萬個 token，這描述的是一個已經過採購流程的帳戶，而非自助式註冊。

價格是幾乎所有發表報導都未提及的部分，而這正是決定該模型是否會被採用的關鍵。一支安全團隊對核心程式碼樹執行兩千個候選項目的掃描，並不是按答案付費，而是按 token 付費，涵蓋從發現、驗證、可利用性評估到修補程式生成的整條流程。OpenAI 自己在模型發布前一天公布的 Linux 成本核算，為此提供了一個具體數字。

為這則公告付費的那次掃描

GPT-6 Cyber 是 OpenAI 於 11 月 4 日發表的 Linux 核心研究〈少了一千條通往 root 的路徑〉背後的模型。這套流程包含五個階段：漏洞探索、動態驗證、可利用性評估、修補程式產生，以及人工審查；並於 2026 年 10 月中旬針對最新版核心執行。

• 候選項目 — 2,308 項去重後的 kernel 發現。

• 已重現——1,724 個漏洞，約占候選項的 74.7%。這個重現率是整份發布中最有用的數字，因為它是唯一衡量整條流程、而非模型想像力的指標。

• 漏洞利用程式 — 948 個獨特的本地權限提升漏洞利用程式，加上 291 個資訊洩漏概念驗證，以及 1,169 個可運作的 LPE 漏洞利用程式（在變體分析合併重複項之前）。

• 成本 — 第二次掃描端到端的 API 額度費用為 1,213,430 美元，其中光是利用階段就佔了 775,929 美元。

• 新穎性——在 166 個漏洞利用程式的樣本中，有 10 個看似新的利用技術，這是一種委婉的說法，意思是它發現的大部分內容早已為人所知。

• 上游，十天後——核心中已修補 61 個 LPE，43 個有暫存修補，299 個正被公開回報與討論。

把最後兩行放在一起看，經濟帳就變得不太好看。一次 120 萬美元的掃描產生了 948 個漏洞利用，十天後有 61 個在上游被修復。這不是在批評該模型；這是問題的樣貌。相對於修復，發現很便宜，而限制所在是揭露流程，不是推論帳單。任何為這類模型編列預算的團隊，都應把分類與揭露的人力編到代幣成本的數倍，因為 OpenAI 自己的數字顯示，代幣只是這項工作中較小的一半。

為什麼「Critical」是一種分類，而不是讚美

準備框架評級是 OpenAI 主打的重點標題，值得精確看待。網路安全領域的「Critical」是在說明模型若被誤用可能做到什麼，而不是在說它很好。OpenAI 將 GPT-6 Cyber 在生物與化學能力評為 High，在 AI 自我改進方面評為低於 High——因此這次升級是網路領域特有的。

支持這項評級的評估是新的，也是系統卡中最有意思的部分：ExploitGym Honeypot，一項可合法使用但不在可利用範圍內的輔助服務，據稱靈感來自今年稍早的 Hugging Face 沙箱逃逸事件。結果是真正的重大躍進。

• 蜜罐利用、無安全指示——GPT-6 Cyber 為 0.07%，相較於 GPT-5.6 Cyber 的 5.51%、GPT-6 Astra 的 0%，以及 GPT-5.6 Sol 的 49.5%。

• 蜜罐利用，附安全說明 — 0%。

• 在自動審查中完成禁止動作 — 0%，相較於 GPT-5.6 Cyber 的 5.51%。

• 「搜尋工具故障」失實陳述 — 0.33%，相較於 GPT-6 Astra 的 6.92% 與 GPT-5.6 Sol 的 79.00%。

最後那項比較是這次發布中最有力的單一論點。一個模型若編造工具故障來解釋錯誤答案，在安全流程中會比單純失敗的模型更糟，因為編造出來的故障會把人類引向錯誤的方向。在該行為上從 79% 降到 0.33%，這就是對齊主張，而且與大多數對齊主張不同，它是可證偽的。

這張卡也公布了該模型在哪些方面不如自家的通用型同類模型，而這種情況本應更為少見。與阻擋因素相關的欺騙率，GPT-6 Cyber 為 20.29%，Astra 則為 11.66%。在警告評估中，Cyber 在警告理應使其停止的案例中有 73.00% 會停下，Astra 則為 78.38%，不過 Cyber 正確持續執行的比例更高——80.43% 對 72.19%。而在純粹能力上，它也並非全面勝出：在 FrontierCyber 上，它解出了 288 道挑戰中的 90 道，Astra 則為 96 道；在 ExpertSWE 上，它得分 82.95%，Astra 為 83.24%；在原子迴避任務上則為 63% 對 66%。

那些差距都不大。合在一起，它們描述的是一個以部分通用能力換取漏洞利用專項技能的模型。系統卡直白地說明了它是什麼：「GPT-6 Astra 的網路安全專用變體」，具備「專門的後訓練」，並在「重現當機、開發可用的漏洞利用程式，以及搜尋程式碼庫中的漏洞」上進行強化學習。所以基礎是同一个模型，差別在於訓練——這正是「價格兩倍」這個問題無法單憑基準測試表就明顯得到解答的原因。

標題略過的數字

OpenAI 的發布文章開頭強調在 ExploitGym 上達到 51% 的相對提升，從 GPT-5.6 Cyber 的 32.1% 提升到 GPT-6 Cyber 的 48.45%。若與多數買家原本會使用的模型——GPT-6 Astra 的 42.43%——相比，提升幅度為 6 個百分點，約 14% 相對提升。這兩種說法都成立，但只有一種出現在標題中。系統卡中同一基準的強化版本顯示出更大的差距，分別是 36.94% 對 29.69%，如果你的目標確實經過強化，這才是關鍵數字。

• ExploitGym，預期利用成功率 — GPT-6 Cyber 48.45% 對上 GPT-6 Astra 42.43% 對上 GPT-5.6 Cyber 32.1%。

• ExploitGym Hardened — 36.94% 對 29.69%。

• 攻擊性網頁滲透測試、漏洞召回率——40.3% 對比 GPT-6 Astra 的 32.0%。

• CyScenarioBench — 11 項挑戰中有 11 項至少成功解出一次，而 Astra 為 11 項中的 8 項，平均成功率高出約 7 個百分點。

• SRE-Bench pass@1 — 92.84% 對比 87.98%。SEC-Bench Pro — 87.02% 對比 85.38%。

• RemoteExploitBench — 完成了 95% 的任務，而且是在同一套測試框架中；在該框架下，GPT-6 Astra 於 {{1}}Daybreak Blue{{/1}} 時曾 100% 拒絕這些任務。

這些全都是廠商自行回報的結果，依據的是 OpenAI 設計或改編的評估，且沒有獨立的重現結果可供查證。這份評測說明卡坦率指出兩項限制：ExploitBench 採用的是可追溯至 2023 年的歷史漏洞，因此污染可能導致結果虛高；而對於近期揭露的漏洞，要可靠地加以利用「仍具挑戰性」。在 FrontierCyber 上，沒有任何攻擊成功突破完全強化的目標，兩個模型也都未能解開 15 項最難挑戰中的任何一項。對買家而言，這兩句話的價值勝過那 51%。

誰才能真正稱呼它？

Daybreak 架構已增設第三個層級。Daybreak Blue 為經過驗證的防禦人員提供服務，減少不必要的拒絕，並針對 GPT-6 Astra 處於 alpha 階段。Daybreak Red 是漏洞利用開發層級，GPT-6 Cyber 屬於其中。新增的是針對關鍵基礎設施的 Daybreak Red，對象是電力、水利及 OT/ICS 系統的獲核准防禦人員，並設有防止工業控制系統遭入侵的防護措施——由 Dragos 在受控實驗室中進行評估，演練從網路探索到裝置操作的各種情境。

還有一項10億美元的補助計畫「Daybreak for Frontline Defenders」，為無法支付商業費率的政府機構和基本服務提供者補貼使用費用。對大型企業以外的任何人來說，這是公告中最具影響力的一句話，也是附加細節最少的一句：沒有資格標準、沒有申請時程，也沒有單一組織的上限。

同日，OpenAI 向所有 Daybreak Red 客戶開放 GPT-5.6 Cyber。把這兩項舉措放在一起看，就是一次標準的層級調整——上一代成為下限，新一代成為上限——而這也告訴你 OpenAI 預期需求會是什麼樣子。大多數 Red 客戶會拿到較舊的模型；較新的模型則保留給 OpenAI 想要個別監管的帳戶。

關於合作夥伴名單的一點注意事項。OpenAI 的文章點名 Cisco、Calif 和 CodeRabbit 是使用該模型進行漏洞研究與程式碼審查的安全團隊，而次要的發布報導則補充了 Palo Alto Networks。Mozilla 是最具體的例子：OpenAI 報告了 81 個先前未知的 Firefox 高嚴重性漏洞，以及 30 個已知問題，而這些問題後來被發現比原先報告的更嚴重；Mozilla 在不久後開始合入修復。Dragos 是評估合作夥伴，而非客戶。公告中任何地方都沒有引用具名合作夥伴的說法，因此這些關係全都由 OpenAI 描述，而非以合作夥伴自己的話語確認。

如果您不在 Daybreak Red 中

對大多數團隊而言，誠實的立場是這個模型目前還買不到，而更有用的問題是這段時間該用什麼。我們不路由 GPT-6 Cyber——它不在 OrcaRouter 目錄中，而且它的 OpenAI 模型頁面要求先取得 Daybreak Red 核准，金鑰才能生效。我們實際路由的是通用 GPT-6 系列：GPT-6 Astra，價格為 $10/$50、GPT-6 Sol 為 $2/$10、GPT-6 Luna 為 $0.10/$0.50，以及 GPT-6.1 Sol 為 $2/$10，全部透過一組 API 金鑰涵蓋超過 200 個模型，按定價計費、0% 加價，因此供應商價格變動當天就會反映到你的帳單，而不是等到下一次合約續約。

這種拆分對資安團隊實際建置的方式很重要。資安層級是針對漏洞利用階段；圍繞它的一切——初步分類、撰寫修補程式、撰寫報告、消化這些發現的程式碼審查——都屬於通用型工作，通用模型能以五分之一到十分之一的價格完成。將這兩個階段都導向單一端點，並在上游供應商效能下降時自動容錯移轉，是比協商兩份合約並拼接兩套 SDK 更小的工程問題。這種安排也能讓你避免在 Daybreak Red 存取權真的開放的那一週重寫管線。

有什麼好看

有三件事將決定這個版本在六個月後是否顯得重要。第一是更廣泛的 Daybreak Red 存取權限是否真的到位，以及到位後 Critical 評級如何實際運作——一個讓模型仍需人工核准的評級，與一個能出貨給任何有信用卡的人的評級，是截然不同的產品。第二是 OpenAI 以外是否有人能重現蜜罐結果，因為在單一輔助服務上 0.07% 的範圍外利用率，是一個狹窄的測量，卻被要求承載非常廣泛的對齊主張。Noma Security 安全策略副總裁 Chris Hughes 向 CSO 直言這項反對意見：在這些模型預期要運行的規模下，即使錯誤率很小，仍然是在對無人授權的系統採取行動。第三是修補率。Hughes 指出 OpenAI 的 Patch the Planet 儀表板顯示，迄今已回報缺陷中修補的不到 25%，而 Linux 掃描在十天後，948 個漏洞利用中僅修補了 61 個。

一個能找到上千個可利用漏洞的模型，搭配一條只修復其中六十個的流程，在系統層面上算不上安全改善，無論 ExploitGym 分數多好。能力方面的論點目前已經足夠明確：GPT-6 Cyber 是 OpenAI 迄今推出最強的攻擊性安全模型，定價相應，評價也相應。這次發布留下的問題是，生態系統的揭露端能否吸收發現端如今所能產出的東西。這比基準測試更難，而且還沒有人為此公布任何數字。