# OpenAI's GPT-6 Cyber writes 948 Linux privilege-escalation exploits and finds 81 Firefox bugs

> Original title: OpenAI 发布 GPT-6 Cyber，研究人员用这个模型写出了 948 个 Linux 本地提权的漏洞利用程序，还找到 81 个之前没人知道的 Firefox 高危漏洞

- Source: meng shao
- Published: 2026-11-07T06:41:59.000Z
- Bad Influence: https://badinfluence.news/items/fselkxe3p7yro37z1fhcnf3m2
- Original: https://x.com/shao__meng/status/2118957116992221282

## Summary

OpenAI releases GPT-6 Cyber, and researchers used the model to write 948 exploits for Linux local privilege escalation and find 81 previously unknown high-severity Firefox vulnerabilities. The post says GCSA's agent reached a 91.3% success rate on the CyberGym Level 1 vulnerability reproduction benchmark, a result that measures reproducing known bugs rather than discovering new ones. It argues the next question is how such capability gets connected to real defense workflows, pointing to GCSA's research centers and product lines.

## Post

OpenAI 发布 GPT-6 Cyber，研究人员用这个模型写出了 948 个 Linux 本地提权的漏洞利用程序，还找到 81 个之前没人知道的 Firefox 高危漏洞
https://openai.com/index/introducing-gpt-6-cyber/

这件事的分量大家可能没意识到。对做 Agent 和企业应用的人来说，它说明过去要靠专家一步步验证的攻击路径，正在变成 AI 可以自动完成的事。

接下来的问题很关键：模型越来越会找漏洞了，谁来把这种能力接进真正的防御流程？

会找漏洞，只是第一步

安全团队缺的不是告警，是判断：这个问题能不能复现？会影响哪些系统和数据？先修哪个？修完之后是不是真的堵住了？

从这个角度看 GCSA 会更清楚。他们披露，它的 Agent 在伯克利团队做的漏洞复现基准 CyberGym Level 1 上，成功率达到 91.3%。这个成绩衡量的是特定条件下复现已知漏洞的能力，不等于能发现未知漏洞，也不能拿来和 GPT-6 Cyber 在另一个基准 ExploitGym 上的成绩直接比。

它的价值在于把「看起来有风险」推进到「能证明有风险」。对从业者来说，有了能复现的证据，问题才更容易进入修复和复测的流程。

更重要的是，把研究接到真实业务里

还有一个容易被忽略的重点：OpenAI 不只强调模型的攻击能力，也在测它能不能守住授权范围。原因很客观：Agent 一旦能调用工具、执行代码，安全问题就不只是答得对不对，还包括它能碰哪些东西、能改哪些东西，出了错又怎么收拾。

顺着这个问题看，GCSA 的价值不只在一个成绩上。港大 10 月 19 日公布的联合研究中心，方向包括模型自身的安全、用 AI 做自动化防御、安全评估和治理。华润隆地 11 月 5 日发布的合作公告，指向反诈、威胁检测和数字金融安全这些具体业务。再加上 GCSA 披露的产品布局，覆盖威胁情报、资产测绘、AI 审计、边缘防护和基础设施防御，能看出它的思路是把研究、风险验证和实际防护连成一条线。

![](https://badinfluence.news/api/img-proxy?u=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FHWgMPrXawAAXCHW.jpg&mode=thumb&exp=1794268800&sig=c7901575c02141f3)

## Quoted post @shao__meng

> 从安全工具到 AI Agent 实践：GCSA 布局中值得 AI 从业者关注的价值
> 
> @GCSAHK 集中呈现了 AI 与 Web3 安全布局：联合政府、企业、个人用户和安全专家，推动跨境协同防御；通过数十款自研生态产品，覆盖威胁情报、资产测绘、AI 审计、边缘防护和基础设施防御，支持模块化部署。GCSA 披露，生态产品全球用户超过 3.8 亿，其 Agent 在 CyberGym Level 1 漏洞复现评测中取得 91.3% 成功率。同时，GCSA 分别与香港大学、华润隆地智美好及发展中世界工程技术科学院（AETDEW）共建研究中心或研究院，将产品实践与 AI 安全研究相结合。
> 
> 安全不只是限制 Agent，也能检验 Agent 的能力
> 
> GCSA 披露，其 Agent 在 CyberGym Level 1 达到 91.3% 成功率。这类任务要求智能体根据漏洞描述和代码库，构造能够复现漏洞的测试程序。
> 
> 容易被忽略的是：这不只是安全知识问答，而是对代码理解、工具调用和执行结果验证的综合检验。它体现了 Agent 从“给出建议”走向“完成可验证任务”的方向；当然，这项成绩对应的是漏洞复现，而非所有安全任务。
> 
> 产品矩阵的潜力，在于连接完整的工作流程
> 
> 威胁情报、资产测绘、AI 审计、边缘防护和基础设施防御，看起来是不同产品类别，实际对应着一条工作链：发现风险、确定影响范围、分析问题，再采取防御措施。
> 
> 从 Agent 角度看，这些能力有机会成为可调用的工具和反馈来源。 智能体的价值便不只在生成分析报告，还可能体现在协调多种工具、推进处置流程。模块化部署也意味着，企业可以先接入某个环节，不必一次替换整套安全系统。这是产品布局呈现的潜力，并非帖子已经证明全流程自动化。
> 
> 研究合作连接的是两类不同问题
> 
> GCSA 与港大等机构的合作，既涉及“用 AI 做安全”，也涉及“保护 AI 本身”。前者是让 Agent 辅助漏洞分析、威胁检测和反欺诈；后者则关注模型及其应用带来的新风险。
> 
> 两者放在一起的意义，是让研究更有机会接触真实业务问题，也让实际问题进入安全评估和研究议程。面向企业与个人的产品布局，还提供了不同的使用场景；GCSA 披露的生态用户规模，则为理解这一布局提供了背景。

https://x.com/shao__meng/status/2118948863570756072