5 ноября 2026 года OpenAI представила GPT-6 Cyber — специализированный вариант GPT-6 Astra для разрешённых задач кибербезопасности. Первоначальный доступ через API и Codex получили выбранные участники Daybreak Red. Это ограниченный запуск: новость не означает, что модель появилась в обычном аккаунте ChatGPT или API.
Сведения проверены 6 ноября. Редакция не получала доступ к модели и не проводила собственный тест; ниже разобраны опубликованные результаты и их практический смысл.
Что показали оценки
В system card опубликованы результаты внешнего оценщика Irregular. Наборы обновили, поэтому старые цифры Astra из предыдущих публикаций нельзя напрямую подставлять в это сравнение.
| Проверка | GPT-6 Cyber | GPT-6 Astra | Как читать результат |
|---|---|---|---|
| CyScenarioBench: задачи, решённые хотя бы раз | 11 из 11 | 8 из 11 | Успех хотя бы в одной попытке, не безошибочность каждой попытки |
| CyScenarioBench: средняя успешность | 61% | на 7 процентных пунктов ниже | Показатель конкретного набора и условий |
| FrontierCyber: решённые задачи | 90 из 288 | 96 из 288 | На этом наборе Cyber не опережает Astra |
По отчёту, ни одна модель не решила 15 самых сложных заданий FrontierCyber; успешных атак на полностью защищённые цели оценщик не наблюдал. Это предел результата данного испытания, а не доказательство невозможности атаки в другой среде.
OpenAI присвоила модели уровень Critical по кибервозможностям в своей Preparedness Framework. Доступ связан с проверкой пользователей и требованиями к безопасности организации; детали изложены в той же system card.
Почему одной громкой цифры мало
«Решила 11 из 11» легко прочитать как «всегда справляется». Но это другая метрика, чем средний успех 61%. Допустим, в условном испытании одна задача решена один раз из десяти попыток: она войдёт в число задач с хотя бы одним успехом, хотя повторяемость будет низкой. Это иллюстрация различия метрик, а не описание числа попыток Irregular.
Ещё один вывод из таблицы: специализация не равна превосходству на каждом тесте. Для выбора инструмента важен твой тип работы — например, поиск причины сбоя или ревью изменения кода — и воспроизводимость результата на разрешённом тестовом материале. Общая сумма баллов этого не заменяет.
Что делать разработчику
Если тебе нужен обычный разбор кода с ИИ, перестраивать процесс только из-за анонса не нужно. Сохрани конкретную задачу, ожидаемое подтверждение и критерий ошибки. Такой набор проверок агента полезен независимо от выбранной модели.
Для команды безопасности, рассматривающей Daybreak Red, следующий шаг — проверить актуальные условия на официальной странице программы и сопоставить их со своим разрешённым объёмом работ. До интеграции отдельно определяются доступные репозитории, тестовые среды, журнал действий и полномочия оператора. Публичный бенчмарк не выдаёт разрешение тестировать чужие системы и не подтверждает качество на твоём проекте.
