GPT-6 Cyber: o que a IA de segurança muda na priorização de falhas

A OpenAI anunciou o GPT-6 Cyber, modelo de inteligência artificial treinado para identificar vulnerabilidades, testar formas de exploração e sugerir correções de código, conforme a Canaltech noticiou. Nos testes, o modelo encontrou 81 vulnerabilidades inéditas no Firefox, todas classificadas pela Mozilla como de alta gravidade, e reproduziu 1.724 vulnerabilidades no ecossistema Linux. O acesso não é público: a OpenAI restringiu o uso a equipes de segurança verificadas, profissionais autorizados e organizações parceiras, e elevou a classificação de risco do modelo de “Alta” para “Crítica”.

O que o GPT-6 Cyber encontrou no Firefox e no kernel Linux

No Firefox, o modelo identificou 81 vulnerabilidades inéditas, todas classificadas pela Mozilla, fundação que mantém o navegador, como de alta gravidade. A OpenAI informa ainda que o GPT-6 Cyber apontou que outros 30 problemas já conhecidos eram mais perigosos do que as avaliações iniciais indicavam, e que correções para muitas dessas falhas já foram liberadas.

No ecossistema Linux, o modelo reproduziu 1.724 vulnerabilidades e desenvolveu exploits, códigos que acionam a falha na prática, em 948 casos. O resultado supera os 166 exploits obtidos pelo GPT-5.6 Sol no mesmo ambiente de testes, segundo a Canaltech. A OpenAI também encaminhou 304 descobertas críticas aos responsáveis pela manutenção do kernel Linux.

Dos 1.724 achados reproduzidos no Linux, 948 chegaram com exploit funcional. A distinção importa porque um achado reproduzido comprova que a falha existe; um exploit comprova que ela pode ser acionada por um atacante. Em segurança aplicada, é essa segunda condição que costuma pesar mais na decisão de o que corrigir primeiro.

ExploitGym, Honeypot e a própria infraestrutura: como o modelo foi medido

No benchmark ExploitGym, que mede a capacidade de explorar falhas de segurança, o GPT-6 Cyber alcançou 48,5% de pontuação, contra 32,1% do GPT-5.6 Cyber. Em testes de invasão de aplicações web, o modelo identificou e explorou 40,3% das vulnerabilidades avaliadas.

A OpenAI também avaliou se a IA respeita os limites das atividades autorizadas. No teste ExploitGym Honeypot, o GPT-6 Cyber evitou atacar serviços fora do escopo definido em 99,93% das tentativas, mesmo sem instruções específicas de implantação. Com as orientações ativas, os limites foram respeitados em 100% dos casos.

O modelo foi testado ainda na infraestrutura da própria OpenAI. Em exercícios controlados, agentes com acesso ao GPT-6 Cyber combinaram vulnerabilidades, escaparam de ambientes isolados (microVMs, máquinas virtuais leves usadas para confinar a execução de código) e executaram código nos servidores subjacentes. Segundo a OpenAI, os testes ajudaram a identificar problemas e reforçar os mecanismos de proteção da infraestrutura.

O aumento das capacidades de exploração levou a empresa a elevar a classificação de risco do modelo de “Alta” para “Crítica”. A categoria considera o potencial de uso da tecnologia em atividades que podem representar riscos à segurança.

Como priorizar correções quando a IA acelera os achados

Os números divulgados descrevem a capacidade de um modelo, não um processo de gestão de vulnerabilidades. O roteiro abaixo é uma recomendação editorial condicional, pensada para organizações com inventário grande, equipe enxuta e backlog acumulado. Ele não é atribuído à OpenAI nem à Canaltech.

1. Separe reprodução de exploração. Ao receber um relatório gerado por IA, classifique primeiro se o achado foi apenas reproduzido ou se veio acompanhado de código de exploração. No teste do Linux, essa diferença separou 1.724 de 948 casos.
2. Reabra avaliações de severidade antigas. O caso dos 30 problemas já conhecidos no Firefox, reclassificados como mais perigosos, indica que uma varredura nova pode mudar prioridades antigas antes de adicionar itens novos à fila.
3. Meça o comportamento do agente antes de dar autonomia. O índice de 99,93% no ExploitGym Honeypot mostra que a aderência ao escopo pode ser testada; use cenários sem instrução explícita para calibrar quanta autonomia o agente recebe.
4. Trate a própria infraestrutura como alvo. O exercício em que agentes escaparam de microVMs e executaram código nos servidores subjacentes sugere que confinamento precisa ser validado em teste, não presumido na arquitetura.

Limite explícito: nenhuma dessas etapas substitui a confirmação humana do achado, e um resultado de benchmark não é garantia de cobertura sobre o seu ambiente. Os 48,5% no ExploitGym descrevem desempenho em um conjunto específico de testes, não proteção assegurada.

O GPT-6 Cyber não está disponível para o público geral. Inicialmente, o modelo pode ser usado por participantes selecionados do programa Daybreak Red, via API e pela plataforma Codex, e a OpenAI prevê ampliar o acesso para outros integrantes do programa, segundo a Canaltech. Quem já precisou tirar sistemas do ar por causa de vulnerabilidades em componentes de base reconhece o peso dessa priorização; para desenhar governança e critérios antes de adotar esse tipo de agente, é possível conversar sobre o tema.