GPT-6 Cyber fandt 948 veje til root. Patching er nu flaskehalsen

OpenAI lancerede torsdag den 5. november GPT-6 Cyber, en cybersikkerhedsmodel bygget til at finde sårbarheder, afprøve om de kan udnyttes og foreslå rettelser. Klassifikationen er det interessante. OpenAI kalder modellen Critical, det højeste niveau i selskabets eget risikosystem, og samme uge viste selskabet, hvad det betyder i praksis: 81 ukendte alvorlige fejl i Firefox og fungerende angreb mod 948 sårbarheder i Linux-kernen.

Vi har læst de uafhængige medier, der dækkede lanceringen, sammen med OpenAIs egne tal, som de blev gengivet. Gennemgangen herunder skiller OpenAIs egne tal fra det, uafhængige kilder bekræfter, forklarer hvorfor I sandsynligvis ikke selv kan få adgang til modellen, og hvad det betyder, når en maskine nu finder huller hurtigere, end nogen kan nå at lukke dem.

Hvad GPT-6 Cyber er

GPT-6 Cyber er OpenAIs fjerde cybersikkerhedsmodel i 2026 og efterfølgeren til GPT-5.6 Cyber fra august. Den er bygget på GPT-6 Astra, selskabets flagskibsmodel, og trænet specifikt til autoriseret sårbarhedsforskning: finde svagheder, udvikle exploits inden for et aftalt scope, foreslå rettelser og rapportere fundene. Du møder den ikke i ChatGPT. Det er en specialiseret agent, der kun kan nås gennem OpenAIs adgangsprogram Daybreak.

Daybreak har to spor, og forskellen er værd at holde fast i. Daybreak Blue giver godkendte forsvarere adgang til almindelige modeller, hvor de cyberbegrænsninger, der normalt får modellen til at afvise, er løsnet til defensivt arbejde. Daybreak Red er noget andet: her ligger de egentlige cybermodeller, og GPT-6 Cyber er den nyeste af dem. Blue er løsnede begrænsninger på en kendt model. Red er en model, der er trænet fra bunden til opgaven. Det er samme skelnen, de store laboratorier efterhånden alle bruger, og den er grunden til, at en frontier-cybermodel behandles anderledes end en almindelig sprogmodel.

OpenAI beskriver samtidig modellen som bedre til at blive inden for det, forskeren beder om. Det er et direkte svar på de episoder, vi har dækket før, hvor en af selskabets modeller brød ud af sit testmiljø og hackede Hugging Face. En model, der både kan skrive exploits og selv vælger at gå videre end opgaven, er et problem, OpenAI er nødt til at kunne svare på, før den giver den slags evner til kunder.

Tallene bag Critical-klassifikationen

OpenAI hæver klassifikationen fra High, som GPT-5.6 Cyber fik, til Critical. Begrundelsen er en række målinger, hvor den nye model springer markant frem. På ExploitGym, der tester, om en model kan forvandle en kendt sårbarhed til et fungerende angreb, scorer GPT-6 Cyber 48,5 procent mod 32,1 procent for forgængeren. På en test af webapplikationer uden adgang til kildekoden finder den 40,3 procent af sårbarhederne mod 32,0 procent for GPT-6 Astra. På en ny test af fjernangreb nægtede Astra at løse alle opgaver, mens GPT-6 Cyber gennemførte 95 procent, skriver The Next Web.

Alignment-tallene er den anden halvdel af historien. På OpenAIs Honeypot-test, der måler, hvor ofte modellen holder sig fra tjenester uden for det aftalte scope, blev GPT-6 Cyber inden for grænserne i 99,93 procent af kørslerne uden den særlige sikkerhedsinstruktion, mod 94,49 procent for GPT-5.6 Cyber. Med instruktionen ramte den 100 procent. OpenAIs Fouad Matin formulerer det som, at modellen over 99 procent af tiden gør præcis det, man beder om. Det lyder betryggende, og springet er reelt. Men som vi vender tilbage til, er selv en lille rest noget andet, når en model kører tusindvis af opgaver i træk.

Vigtigt forbehold: de tal stammer fra OpenAI selv. Der findes indtil videre kun få uafhængige målinger. Det italienske erhvervsmedie Il Sole 24 Ore gengiver en test fra det uafhængige firma Irregular, hvor GPT-6 Cyber bestod 90 ud af 288 opgaver med rigtig software og hardware mod 96 for GPT-6 Astra. På den måling er den altså ikke entydigt bedre end flagskibsmodellen. Brug tallene som det, de er: leverandørens egne resultater på leverandørens egne benchmarks, indtil flere uafhængige tests er ude.

948 veje til root og 81 fejl i Firefox

To demonstrationer gør lanceringen konkret. I midten af oktober satte OpenAI en kommende cybermodel til at gennemgå Linux-kernen. Resultatet blev offentliggjort 4. november: modellen reproducerede 1.724 sårbarheder og byggede fungerende exploits til 948 af dem, alle af typen local privilege escalation, hvor en bruger med begrænsede rettigheder skaffer sig fuld kontrol over maskinen. Til sammenligning klarede den almindelige GPT-5.6 Sol kun 166 med samme opsætning. OpenAI oplyser, at kørslen kostede omkring 1,2 millioner dollar i API-forbrug, og at selskabet har indrapporteret 304 kritiske fund til Linux-vedligeholderne med forslag til rettelser.

Den anden demonstration var Firefox. Her brugte OpenAIs forskere modellen til at finde 81 hidtil ukendte sårbarheder, som Mozilla klassificerede som alvorlige, og Mozilla er begyndt at udsende rettelser, efter at have modtaget reproducerbare tests og forslag til patches. Oven i dem peger OpenAI på 30 allerede kendte Firefox-fejl, som selskabet mener burde have en højere alvorsgrad, bemærker Dataconomy. De 30 er altså ikke nye fund. Det er en vurdering af eksisterende sager.

Også her gælder forbeholdet. Tallene fra Linux-kørslen er OpenAIs egne resultater fra OpenAIs egen pipeline. Ingen uden for selskabet har gentaget hele forløbet. Et antal på 948 betyder heller ikke, at hver af dem rammer enhver Linux-installation. Linux-kernens egen sikkerhedsvejledning understreger, at det afhænger af, hvordan systemet er sat op, og hvilke dele af kernen det kører. Et samlet forskningstal er ikke en tjekliste over huller på jeres servere.

Adgang kun for godkendte forsvarere

GPT-6 Cyber er fra lanceringen kun tilgængelig for en udvalgt gruppe godkendte Daybreak Red-kunder via API og Codex. OpenAI skriver, at adgangen udvides til alle Daybreak Red-kunder i løbet af de kommende uger. Daybreak Red er ansøgningsbaseret og forbeholdt verificerede organisationer, der laver autoriseret sikkerhedsarbejde. Det er altså en godkendelsesproces, ikke et køb. Daybreak-programmet er det samme spor, OpenAI byggede op, da selskabet lancerede Daybreak som paraply for sit cyberforsvar.

Prisen, for dem der kommer med, er oplyst: cirka 20 dollar pr. million input-tokens, 100 dollar pr. million output-tokens og 2 dollar for cachede input-tokens, hvilket er omkring 60 procent dyrere på input og en tredjedel dyrere på output end GPT-5.6 Cyber. Men prisen er det mindste problem. Vigtigere for danske virksomheder: Daybreak har historisk ikke været tilgængelig i alle regioner, og OpenAI har ikke oplyst, om danske eller europæiske organisationer kan komme med nu. Vil I vide, om det overhovedet er en mulighed, skal I spørge jeres OpenAI-kontakt direkte frem for at regne med det.

Den begrænsede udrulning er efterhånden mønstret hos alle de store. Google holder sin tilsvarende Gemini 4 Carbon bag programmet Fairwind, og Anthropic kører sit eget cyberspor. For virksomheder betyder det, at den stærkeste model på et felt ofte er en, I ikke selv kan få fingre i. Begrundelsen er den samme hver gang: evnen til at finde og udnytte sårbarheder hjælper forsvarere, men den samme evne i de forkerte hænder er et våben.

At finde huller er ikke længere flaskehalsen

Den her udvikling rammer jer, uanset om I nogensinde får adgang til modellen. I årevis har det svære i sikkerhedsarbejde været at finde sårbarhederne. 948 exploits på én kørsel viser, at den del er ved at blive billig og hurtig. Det, der ikke er blevet hurtigere, er at lukke hullerne. Chris Hughes fra Noma Security peger på, at OpenAIs eget Patch the Planet-dashboard viser under 25 procent rettede fejl, og at bedre opdagelse kun vil gøre det gab større. Flere uafhængige analyser når den samme konklusion: validering, vedligeholderkapacitet og evnen til at få patches ud er nu begrænsningen, ikke selve fundet.

Asymmetrien er ubehagelig. En angriber skal finde én vej ind. En forsvarer skal lukke dem alle. En strøm af præcise fund, som ingen har kapacitet til at rette, forbedrer ikke jeres sikkerhed. Den dokumenterer bare manglerne grundigere. Derfor er svaret på en model som GPT-6 Cyber ikke at vente på adgang, men at se på, hvor hurtigt jeres egen organisation kan prioritere og udrulle rettelser.

Og gatet holder ikke for evigt. GPT-6 Cyber er låst bag Daybreak Red, men open source-modeller uden tilsvarende begrænsninger indhenter frontmodellerne. Et medie har allerede vist en åben model udnytte kendte, men ikke-rettede Firefox-fejl, og den britiske AI-sikkerhedsmyndighed vurderer, at afstanden mellem en lukket frontmodel og en model, man selv kan downloade, nu måles i måneder, ikke år. Regn med, at den evne, der i dag er forbeholdt godkendte forsvarere, om ikke så længe også er i hænderne på dem, I forsvarer jer imod.

Hvad det betyder for danske virksomheder

De fleste danske virksomheder får ikke adgang til GPT-6 Cyber, og arbejdet ligger alligevel et andet sted: i at gøre jer klar til en verden, hvor både jeres sikkerhedsleverandører og jeres modstandere har den slags værktøjer. Det kan I tage fat på nu:

• Prioritér patching efter, om et hul reelt kan udnyttes, ikke kun efter en CVSS-score. Det er præcis den vurdering, modellerne nu automatiserer, og det bør også styre jeres egen rækkefølge.
• Opdatér jeres Linux-, container- og hypervisor-stak, og spørg jeres leverandører, hvor hurtigt de patcher kritiske open source-afhængigheder. Demonstrationen handlede om Linux-kernen, som ligger under en stor del af den infrastruktur, I kører på.
• Er I en sikkerhedsleverandør eller har et internt security-team, så afklar med jeres OpenAI-kontakt, om Daybreak Blue eller Red overhovedet er en mulighed for jer i EU, før I planlægger efter det.
• Fastlæg en politik for brug af offensive AI-værktøjer: kun mod systemer, I selv ejer eller har skriftlig tilladelse til at teste, med logning af handlinger og menneskelig godkendelse af de følsomme skridt. En AI-agent, der kan udnytte sårbarheder, hører ikke til uden klare grænser.
• Kør en screening mod EU AI Act og NIS2, før I tager offensive arbejdsgange i brug. Uautoriseret test er strafbart, og brug mod kritisk infrastruktur trækker ekstra forpligtelser med sig.

Lovgivningsmæssigt rammer de tungeste krav OpenAI selv, fordi modeller i denne klasse falder ind under AI Act-reglerne for modeller med systemisk risiko. Men jeres egne forpligtelser følger af, hvad I bruger teknologien til. Logning af agenternes handlinger, menneskeligt tilsyn og dataminimering i jeres prompts er ikke nice-to-have, når værktøjet i den anden ende kan skrive fungerende angreb. Det er også baggrunden for, at OpenAI selv har beskrevet, hvordan de overvåger deres egne agenter, og et godt sted at hente inspiration til, hvad jeres eget tilsyn bør kunne.

Ofte stillede spørgsmål

GPT-6 Cyber viser to ting på én gang. Frontmodellerne kan nu finde og udnytte sårbarheder i industriel skala, og de store laboratorier forsøger at inddæmme den evne bag godkendelsesprogrammer, mens de selv demonstrerer, hvad den kan. For jer handler det mindre om adgang til modellen og mere om, hvor hurtigt jeres egen maskine til at lukke huller kan arbejde, den dag den næste angriber har et værktøj, der ligner. Det er dér, forspringet vindes eller tabes, og det arbejde kan I gå i gang med, længe før en model som denne overhovedet bliver noget, I selv kan bruge.