跳到正文
智源社区· AREX·· 6 小时前精选AI 评分60

XBOW 实测 GPT-6 Cyber 与 GPT-6.1 Sol：速度快约 2 倍但少解出 5 个目标

XBOW 实测 GPT-6 Cyber：比 GPT-6.1 Sol 快约 2 倍，但少解出 5 个目标

AI 导读

XBOW 团队在 65 个含漏洞开源 Web 应用上对照测试 GPT-6 Cyber 与 GPT-6.1 Sol，两者共同解出 56 个目标，Cyber 在其中 44 个上更快、通常约为 Sol 耗时的一半。

推荐理由

XBOW 用 65 个含漏洞 Web 应用对照两款模型，给出速度、成本与覆盖面的取舍数据。

正文

GPT-6 Cyber 发布两天后，一组来自 OpenAI 之外的量化对比数据出现了。北京时间 11 月 7 日中午，XBOW 创始人兼 CEO Oege de Moor 在 X 帖串和同日稍晚的 LinkedIn 帖子里公布了团队自建的对照测试：在 65 个含漏洞的开源 Web 应用上，OpenAI 的 GPT-6 Cyber 与 GPT-6.1 Sol 共同解出 56 个目标，Cyber 在其中 44 个上耗时更短，通常约为 Sol 的一半。同一组数据也写明了另外两面：成本上，找到 50% 的漏洞利用，Cyber 要花约 17 美元，Sol 只需约 1 美元；覆盖上，Cyber 解出的目标 Sol 全都解出，Sol 还多解出 5 个 Cyber 未能解出的目标。

GPT-6 Cyber 是 OpenAI 11 月 5 日发布的网络安全专用模型，OpenAI 自报它在 ExploitGym（要求模型远程利用指定漏洞的基准）上得分 48.5%，高于前代 GPT-5.6 Cyber 的 32.1%（SecurityWeek 11 月 6 日的报道），并在自家 Preparedness Framework（危险能力评级框架）里评为最高风险档 Critical（Notebookcheck）。公开报道中的这些成绩此前全部是 OpenAI 单方口径；XBOW 的测试则提供了 OpenAI 自报数字之外的一组外部量化对照。

OpenAI 自报的 ExploitGym 成绩对比柱状图：GPT-6 Cyber 48.5%，GPT-6 Astra（Daybreak Blue）42.4%，GPT-5.6 Cyber 32.1%，GPT-5.6（Daybreak Blue）30.3%

对照的搭建：同一批目标，两个模型各自计时

de Moor 的帖串以一个问题开场：「OpenAI 的新模型 GPT-6 Cyber 攻 Web 应用，是不是比 GPT-6.1 Sol 更强？」他和 XBOW 团队把两个模型放上同一批含漏洞的开源应用，目标覆盖 RCE（远程代码执行）、XSS（跨站脚本）、SSRF（服务器端请求伪造）、SQLi（SQL 注入）等类型；附图的散点图以两个模型各自的实际运行时间（图上标注 active wallclock）为横纵轴，每个点是一个目标。这项测试由 XBOW 团队自行开展，OpenAI 未参与。

速度结论落在第二帖：「GPT-6 Cyber 快得多。在两个模型都解出的目标里，Cyber 有 56 次机会、44 次更快，通常约 2 倍」(X 帖)。

de Moor 帖文附图：上半部分为两模型逐目标耗时散点图，标注共同解出 56 个、仅 Sol 解出 5 个、仅 Cyber 解出 0 个、两者均未解出 4 个；下半部分为按花费计的解出率曲线

花费曲线与分项统计：成本、最终解出率与覆盖面

成本是第三帖的主题：「代价是成本。GPT-6 Cyber 需要约 17 美元才能找到 50% 的漏洞利用，Sol 只需要约 1 美元。」(X 帖)他还给出预算拉满后的结果：给足时间，两者最终解出率接近，GPT-6 Cyber 约 86%，GPT-6.1 Sol 约 89%。附图下半部分的曲线图标题为「Success per model: Overall, by dollars used」，标注数据来自「XBOW Model Runtime Evals, 2026-11-06」，除 Cyber 与 Sol 之外还画有 gpt-6 astra 与 gpt-6 luna 两条曲线。

覆盖面的分项统计写在同一张附图里：共同解出 56 个；仅 Sol 解出 5 个；仅 Cyber 解出 0 个；两者都未解出 4 个，合计正好 65。X 帖串下的回复把这笔账挑明，Andy Michaels 写道：「Cyber 从未解出 Sol 漏掉的目标；Sol 单独解出了五个。哪个更好，取决于看哪根轴。」(回复)

de Moor 自己的总结是：「它是个扎实的模型，但对 Web 应用的漏洞发现来说不是一次跨越式变化。」(X 帖)他给出的用法建议同样具体：「速度比成本重要时，用 GPT-6 Cyber；在乎每美元能换来多少发现的广域扫描，用其他模型。」(X 帖)

发帖人画下的边界：只测 Web，方法细节未公开

这条边界是他自己写下的：「OpenAI 打造它是冲着原生/二进制工作去的：内核提权、JavaScript 引擎、逆向工程、远程漏洞利用。不过这次实验我们只测了 Web 漏洞发现的表现，所以我们的分析对那些领域不说明任何问题。」按这一边界，XBOW 测到的速度领先并不触及 OpenAI 为这款模型设定的核心场景。

方法细节则止步于几张统计图。样本如何挑选、两个模型各用什么提示与思考档位、单题预算上限是多少，帖文都没有交代；X 帖串下有回复直接追问：「这两个模型用的是哪一档思考强度？」(回复)LinkedIn 评论区里，评论者 Danish Ali 提出训练数据污染的疑问：「这些都是开源项目，怎么确定训练数据里没出现过它们？」发帖人的身份也需要交代：XBOW 是一家商业进攻安全厂商，这组结果是这家厂商的自建评测，方法未经同行评议。

Web 之外的数字：OpenAI 的自报成绩与访问门槛

XBOW 测的是 Web 面；OpenAI 发布时公布的数字集中在另一面。据 BleepingComputer 11 月 6 日的报道（链接），OpenAI 称 GPT-6 Cyber 在 Linux 内核研究中识别 2,308 个潜在安全缺陷、复现 1,724 个漏洞、写出 948 个本地提权 exploit，并在 Firefox 中发现 81 个此前未知的高危漏洞，Mozilla 已开始推出补丁。XBOW 的测试没有触及这些主张。

访问门槛目前仍未松动：OpenAI 帮助中心的 Daybreak 概览页写明，GPT-6 Cyber 只向 Daybreak Red 组织开放、需对该模型单独批准，经 Responses API 与 Codex 使用；OpenAI 同时计划逐步把访问扩大到全部 Daybreak Red 客户。Notebookcheck 汇总的配套控制包括默认 IP 白名单、凭据被盗迹象监测，以及拒绝协助针对电厂、水处理设施与工控系统的攻击。de Moor 在回复提问时确认，XBOW 这次用的正是 Red 档 (回复)。

这些自报数字至今没有独立复现的下文；de Moor 圈出的原生/二进制场景——内核提权、JavaScript 引擎与逆向工程——同样在 XBOW 的测试之外。对照与主张之间，目前还隔着独立复现这一步。

参考链接

本文由 AREX Agent 基于公开网络信源自动整合梳理。
AI 可能存在信息遗漏、时序偏差或事实误判。文中观点与事实请结合文末原始链接交叉核验，请勿直接作为决策依据。

内容中包含的图片若涉及版权问题，请及时与我们联系删除

来源：智源社区 · hub.baai.ac.cn

OpenAI / ChatGPT安全对齐评测基准#评测/基准#安全/对齐#OpenAI