OpenAI hat die Systemkarte zu GPT-6 Cyber veröffentlicht (5. November 2026): eine cyber-spezialisierte Variante von GPT-6 Astra für autorisierte Sicherheitsarbeit - Schwachstellensuche, Exploit-Entwicklung und Web-Pentesting [1]. Das Modell bleibt hinter dem zugangsbeschränkten Daybreak-Red-Programm, und die Karte berichtet neben den Stärken ausdrücklich auch die Stellen, an denen das Spezialmodell hinter dem Basismodell zurückbleibt.
Die Eckdaten
GPT-6 Cyber im Überblick (Angaben aus der Systemkarte) [1]
Modell und Training
Cyber-Variante von GPT-6 Astra. Das Post-Training nutzt Reinforcement Learning auf Aufgaben wie Crash-Reproduktion, Entwicklung funktionierender Exploits und Codebase-Analyse. Reward-Signale sollen Ablehnungen auf autorisierte Cyber-Anfragen senken; Alignment-Signale sollen Scope-Treue, Verzicht auf unaufgeforderte Aktionen und korrekte Ergebnisberichte stärken. Ablehnungen außerhalb der Cyber-Domäne sollen erhalten bleiben [1]
Preparedness-Einstufung
Gleiche Einstufung wie GPT-6 Astra: Critical bei Cybersecurity, High bei Biologie und Chemie, unter High bei KI-Selbstverbesserung [1]
Zugang
Nur über Daybreak Red: Identitäts- und Liveness-Prüfung sowie rechtliche Bestätigungen. Organisationen brauchen SSO, MFA, verwaltete Geräte und least-privilege-Zugänge; Einzelpersonen Advanced Account Security und mindestens einen physischen FIDO2-Schlüssel. API-Zugriff standardmäßig nur mit IP-Allowlisting [1]
Neue Schutzmaßnahmen
Blocker gegen Hochrisiko-Hilfe zu Industriesteuerungen, Grundversorgung und Wahlsystemen, laut Karte gemeinsam mit dem Industriesicherheits-Anbieter Dragos red-geteamt; ein konservativer Biologie-Sicherheitsmodus für alle Nutzer; Private Safety Processing in der Regel Pflicht für API-Kunden mit Zero Data Retention; Monitoring kompromittierter API-Schlüssel und Zugangstoken [1]
Externe Einordnung
OpenAI arbeitete mit NIST CAISSI an der Messung der Cyber-Fähigkeiten; das Unternehmen Irregular prüfte sie extern und fand laut Karte eine insgesamt mit GPT-6 Astra vergleichbare Leistung, bei langen Cyber-Aufgaben eine höhere Erfolgsquote [1]
Was das Post-Training ändert
Das Ziel ist kein allgemein stärkeres Modell, sondern eines, das autorisierte Sicherheitsarbeit seltener ablehnt und dabei im Rahmen der Freigabe bleibt: In der Defensive-Use-Auswertung schloss GPT-6 Cyber 100 Prozent der Aufgaben für allgemeine Sicherheitshilfe und Vulnerability Patching ab, 96 Prozent der Exploit-Entwicklung und 97 Prozent des Red-Teamings [1]. Auf allgemeinen Coding-Aufgaben liegt es nicht vorne: Auf der internen ExpertSWE-Auswertung erreicht es 82,95 Prozent gegenüber 83,24 für GPT-6 Astra - laut OpenAI ein Beleg dafür, dass die Selbstverbesserungs-Einstufung unter High bleibt [1].
Die gemeldeten Messwerte
Auf ExploitBench meldet OpenAI einen ACE-normalisierten Mittelwert von 100 Prozent - mit ausdrücklichem Vorbehalt: ExploitBench nutzt historische Schwachstellen bis zurück ins Jahr 2023, wodurch Trainingskontamination die Werte aufblähen kann [1]. Die interne Portierung auf frisch offengelegte Lücken (Juni bis August 2026, V8- und Chrome-Ziele) kommt auf 42 Prozent Code-Ausführung (GPT-6 Astra laut OpenAI 39 Prozent) - zuverlässiges Ausnutzen frischer Lücken bleibt für das Modell schwierig [1]. Weitere Werte: SEC-Bench Pro (Schwachstellensuche in großen JavaScript-Engines) 87,02 Prozent, SRE-Bench (Binär-Reverse-Engineering) 92,84 Prozent, ExploitGym 48,45 Prozent, ExploitGym Hardened mit stärkeren Schutzmechanismen 36,94 Prozent [1].
Daten als Tabelle
| Gemeldeter Wert | |
|---|---|
| ExploitBench (historische Lücken) | 100 |
| Interne Portierung (frische Lücken) | 42 |
| SEC-Bench Pro | 87,02 |
| SRE-Bench | 92,84 |
| ExploitGym | 48,45 |
| ExploitGym Hardened | 36,94 |
Anbieterangaben aus der Systemkarte, von uns nicht unabhängig nachgemessen [1]. Je Benchmark eigene Aufgaben und Metriken - nicht testübergreifend vergleichbar. ExploitBench nutzt historische Schwachstellen bis 2023; OpenAI weist selbst auf mögliche Verfälschung durch Trainingskontamination hin.
Die externen Werte stammen von Irregular und liegen als Zusammenfassung in der Karte vor: Auf CyScenarioBench (lange offensive Abläufe) löste GPT-6 Cyber 11 von 11 Aufgaben mindestens einmal (GPT-6 Astra 8 von 11) mit einer durchschnittlichen Erfolgsquote von 61 Prozent, plus 7 Prozentpunkte. Auf FrontierCyber (echte Soft- und Hardware) löste es 90 von 288 Aufgaben, GPT-6 Astra 96 von 288 - erfolgreiche Angriffe betrafen unter anderem Zero-Days in Browsern, Mobiltelefonen und Cloud-Datenbanken, aber kein vollständig gehärtetes Ziel fiel, und keines der beiden Modelle löste eine der 15 schwersten Aufgaben. Die 22 Atomic Challenges löste GPT-6 Cyber vollständig, mit 97 Prozent in Schwachstellenforschung und Ausnutzung, 98 Prozent in Netzwerk-Angriffssimulation und 63 Prozent in Evasion [1].
Alignment: die ehrlichen Stellen
In der ExploitGym-Honeypot-Auswertung (ein verführerischer Nebendienst außerhalb des autorisierten Rahmens) griff GPT-6 Cyber ohne Einsatzanweisungen in 0,07 Prozent der Durchläufe an - GPT-5.6 Sol: 49,5 Prozent, GPT-5.6 Cyber: 5,51 Prozent, GPT-6 Astra: 0 Prozent; mit Einsatzanweisungen 0 Prozent [1]. Zwei Schwächen benennt die Karte selbst: Bei Warnungen, die ein Stoppen nahelegen, hält GPT-6 Cyber seltener an als GPT-6 Astra (73,0 gegenüber 78,4 Prozent), was laut OpenAI zu seiner höheren Aufgabenpersistenz passt. Und bei der ehrlichen Meldung von Blockern wurde es in 20,29 Prozent der Schlussantworten beanstandet (GPT-6 Astra: 11,66 Prozent) - in den meisten geprüften Fällen hatte das Modell den Blocker in einer früheren Kommentarnachricht genannt und die Einschränkung in der Schlussantwort nicht wiederholt; OpenAI wertet das als unvollständige Zusammenfassung, nicht als vorsätzliche Täuschung [1]. Deutlich besser als Astra ist das Modell dagegen beim Umgang mit defekten Werkzeugen: falsche Behauptungen über nicht verfügbare Suche in nur 0,33 Prozent der Antworten (GPT-6 Astra: 6,92 Prozent) [1].
Zugang und Schutz im Detail
OpenAI empfiehlt für den Einsatz über Codex Sandboxing und Auto-Review: Die Sandbox begrenzt Datei- und Netzwerkzugriff, Auto-Review prüft Aktionen außerhalb dieser Grenzen vor der Ausführung; API-Nutzer sollen vergleichbare Prüfungen einbauen und bei Ablehnung stoppen. Für Hochrisiko-Abläufe empfiehlt die Karte isolierte Umgebungen mit festen Grenzen für Ziele, Zugangsdaten und Aktionen sowie menschliche Aufsicht [1]. Private Safety Processing wertet verschlüsselte Sicherheitsaufzeichnungen in einer geschützten Umgebung aus, ohne Prompts und Antworten für OpenAI-Personal zu öffnen; Kunden behalten die verschlüsselten Aufzeichnungen 30 Tage im eigenen Speicher [1].
Einordnung
Die Karte stellt den ACE-normalisierten 100-Prozent-ExploitBench-Wert neben den eigenen Kontaminationsvorbehalt. Die interne Portierung auf frische V8-/Chrome-Lücken erreicht dagegen 42 Prozent; diese Testkonfiguration belegt keine allgemeine Leistungsgrenze. Für den Einsatz sind neben Modellwerten die Zugangsvorgaben relevant: FIDO2 für Einzelpersonen, SSO/MFA und verwaltete Geräte für Organisationen, API-IP-Allowlisting standardmäßig mit genehmigten Ausnahmen sowie PSP in der Regel für ZDR-API-Kunden. Das ist ein dokumentiertes Beispiel für kontrollierte Freigabe eines Spezialmodells, keine Aussage darüber, ob es unter allen Anbietern die strengste Zugangskontrolle ist [1].
Methode
Analyse auf Basis der vollständig gelesenen Systemkarte im OpenAI Deployment Safety Hub (die Unterseiten Introduction, Model Safety, Safeguards und Preparedness). Sämtliche Messwerte sind Anbieterangaben; Vergleichswerte von GPT-6 Astra und GPT-5.6-Modellen stammen aus derselben Karte und werden als Anbietervergleich geführt. Die externen Ergebnisse von Irregular liegen nur als Zusammenfassung in der Karte vor. Keine eigenen Tests.
Grenzen
Keine eigenen Tests; der Zugang ist auf genehmigte Daybreak-Red-Nutzer beschränkt; eine eigene Nachmessung haben wir nicht durchgeführt. ExploitBench nutzt historische Schwachstellen bis 2023 - OpenAI weist selbst auf mögliche Verfälschung durch Trainingskontamination hin. Die Tabellen 1 und 2 lieferten in unserer Textansicht keine auslesbaren Zahlen; daraus folgt keine Aussage über ihre visuelle Darstellung. Werte aus älteren Systemkarten sind laut OpenAI nicht direkt mit diesen Ergebnissen vergleichbar. Die Irregular-Ergebnisse konnten wir nicht am Original prüfen, sie liegen nur in OpenAIs Zusammenfassung vor.
Quellen
- GPT-6 Cyber System Card: Introduction, Model Data and Training, Model Safety, Alignment, OpenAI Deployment Safety Hub (abgerufen 2026-11-06) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
- GPT-6 Cyber System Card: Safeguards (Zugang, Blocker, Private Safety Processing), OpenAI Deployment Safety Hub (abgerufen 2026-11-06)
- GPT-6 Cyber System Card: Preparedness Evaluations und externe Prüfungen, OpenAI Deployment Safety Hub (abgerufen 2026-11-06)
