OpenAI推出GPT-5.6-Cyber网络安全专用模型，并扩展Daybreak项目，以应对威胁行为者利用AI发动更快、更大规模网络攻击的挑战，帮助防御者缩小网络防御窗口。

根据您的要求，以下是文章主要内容的重新陈述，保留了关键细节，并删除了与主题无关的导航、页脚等元素：

标题：网络防御窗口收窄，OpenAI 扩大“Daybreak”计划

随着网络威胁日益严峻，攻击者将利用人工智能发动更快、更大规模甚至完全自主的网络攻击。面对这一趋势，防御者的准备时间正在缩短。OpenAI 的应对策略是，在攻击者大规模部署进攻性 AI 之前，将前沿智能交到可信的防御者手中。

为此，OpenAI 扩展了“Daybreak”计划，推出两个访问层级：

• Daybreak Blue：提供前沿通用模型（如 GPT-5.6 Sol），并针对授权的防御性安全工作设置了安全措施。适合大多数防御者，用于漏洞发现、安全代码审查、恶意软件分析、事件响应和补丁验证。
• Daybreak Red：提供经过专门训练的网络安全模型，用于授权的漏洞研究、漏洞验证和安全测试。

同时，OpenAI 发布了专为网络安全任务训练的 GPT-5.6-Cyber 模型（通过 Daybreak Red 访问）。该模型在寻找零日漏洞、开发漏洞利用链等任务上表现更优，并减少了针对高风险、双重用途网络任务的拒绝响应。

Daybreak 解锁高级网络能力

Daybreak Blue 移除了系统级安全护栏，帮助防御者在实际安全任务（如事件检测与响应、调查、漏洞管理和安全评估）中更充分地利用模型。而 Daybreak Red 提供的 GPT-5.6-Cyber 进一步减少了拒绝响应，提升了在漏洞利用链开发、认证绕过、权限提升等高级场景下的表现。内部评估显示，GPT-5.6-Cyber 对这类请求的完成率达到 95.0%，远高于 GPT-5.6 Sol 的 1.5% 和 Daybreak Blue 的 2.0%，也优于前代模型 GPT-5.5-Cyber 的 57.3%。

提升网络安全性能

GPT-5.6-Cyber 在漏洞利用开发（如 ExploitGym 评估）和零日漏洞发现与严重性校准方面均优于 GPT-5.6 Sol 和 GPT-5.5-Cyber。在内部漏洞发现与报告撰写评估中，GPT-5.6-Cyber 和 GPT-5.6 Sol 均优于前代，但 GPT-5.6-Cyber 因有时生成报告较短而略逊于 GPT-5.6 Sol。在 ExploitBench 评估中，GPT-5.6 Sol 在标准设置下表现更优，但扩展任务轮次后两者差距缩小。

早期客户（如 SpecterOps、SentinelOne、Palo Alto Networks）反馈，GPT-5.6-Cyber 显著加速了防御工作流程，例如在一天内完成了此前数周未解决的漏洞研究任务。

发现并修复真实软件中的漏洞

OpenAI 已使用 GPT-5.6-Cyber 研究多个软件项目，包括 Chrome 的 JavaScript 引擎 V8，发现了两处此前未知的漏洞，可组合利用以逃逸 V8 堆沙箱。其中一处被分配为 CVE-2026-15903（高危），已通过协调披露机制报告给 Google 并得到修复。此外，该模型还在流行移动操作系统、数据库和操作系统内核中发现了数百个高危漏洞，OpenAI 正与合作伙伴及开源社区合作进行披露和修复。

准备度评估与安全措施

根据 OpenAI 的准备度框架，GPT-5.6 Sol 和 GPT-5.6-Cyber 的网络安全能力均被评估为“高”，未达到“临界”阈值。为降低风险，OpenAI 采取了多项安全措施，包括：鼓励 Daybreak 客户使用 Codex 的自动审查模式、要求所有个人账户从 2026 年 9 月 1 日起使用硬件安全密钥、加强监控、优先进行对齐训练和测试，并更新了安全最佳实践文档。

使用建议

• 在受控环境中运行安全工作流，隔离敏感系统。
• 使用自动审查模式监控代理操作，对高风险工作流增加人工监督。
• 明确授权范围，使用权限配置文件强制执行边界。

大多数防御者建议从 Daybreak Blue 开始，从事高级漏洞研究、漏洞利用开发或红队测试的团队可申请 Daybreak Red 访问权限。

根据评论内容，总结如下主要观点及论据：

1. 对安全验证机制的批评（主流观点） - 用户遭遇验证失败（如403错误），即使仅打开标签页也被拒绝，甚至比Anthropic的审核更严格。 - 关键引用："All I did was open and close the Persona tab... 403 cyber_verification_precheck_failed"（作者matheusmoreira） - 硬件安全密钥要求将模型使用与特定身份绑定，限制扩展和共享能力。 - 关键引用："The requirement for hardware security keys ties the use of these models even tighter to a specific identity."（作者intern4tional）

2. 对“许可化思维”的担忧（强烈反对） - 认为这种限制将导致需要各种执照才能提问（如法律、医疗、飞行计划等），形成“思想的许可化”。 - 关键引用："The licensing of allowed thoughts... need a legal license to ask about legal problems"（作者xyzzy123） - 讽刺性指出：可以付费解决黎曼猜想，但涉及crackme等“存在风险”的问题却被禁止。

3. 安全措施的实际效果存疑（质疑派） - 有用户指出，只需在提示词末尾添加几个词即可绕过限制，后续对话甚至无需额外操作。 - 关键引用："I added 2 words at the end and it proceeded like it was nothing"（作者tamimio）

4. 支持限制的观点（少数派） - 类比大学教育需要付费学习技能，认为AI作为“认证助手”需要限制，防止信息落入错误之手。 - 关键引用："do we not go to college and pay to learn skills right? It is the same thing... need for limitations"（作者kharma414）

5. 其他观点 - 认为此举可能缩小中美间谍能力差距（作者dash2）。 - 建议使用无限制的模型（作者OutOfHere）。 - 对模型命名风格（如Pokemon游戏）表示喜爱（作者soundworlds）。 - 批评将防御能力置于身份验证墙后，认为普通用户被攻击时无法获得保护（作者kmeisthax）。