OpenAI hat ein neues Modell für Cybersicherheit vorgestellt: GPT-5.6-Cyber. Laut Unternehmen richtet sich das System besonders auf Aufgaben wie Vulnerability Research, Penetrationstests und Incident Response. Gleichzeitig betont OpenAI, dass das Modell für bestimmte höher riskante, dual-Use Szenarien weniger häufig ablehnt – mit dem Ziel, autorisierte Sicherheitsarbeit effizienter zu unterstützen.
Die Veröffentlichung ist Teil der Daybreak-Initiative, die zwei Zugriffsstufen für unterschiedliche Modelltypen bereitstellen soll. Während eine Stufe eher auf allgemeine Verteidigungsarbeit mit eingebauten Schutzmechanismen abzielt, ist die andere dafür gedacht, spezialisierte Modelle für Forschung und Validierung zugänglich zu machen.
Wofür GPT-5.6-Cyber konzipiert ist
Nach Angaben von OpenAI basiert GPT-5.6-Cyber auf GPT-5.6 Sol. Das neue Modell wurde darauf trainiert, in mehreren spezialisierten Security-Aufgaben bessere Ergebnisse zu liefern. Genannt werden unter anderem das Auffinden von Zero-Day-Schwachstellen sowie das Erstellen von Exploit Chains.
Ein zentraler Punkt: Das System soll für bestimmte Cyber-Aufgaben mit erhöhtem Risiko weniger restriktiv reagieren. OpenAI beschreibt dies als Reduktion von Ablehnungen, um bestimmte Szenarien der Exploit-Entwicklung und anderer sicherheitsrelevanter, aber potenziell missbrauchbarer Anforderungen überhaupt bearbeiten zu können – sofern der Einsatz im Rahmen autorisierter Sicherheitsforschung erfolgt.
Daybreak Red: Zugang über eine spezielle Stufe
OpenAI stellt GPT-5.6-Cyber nicht als frei zugängliches Modell für alle bereit, sondern über Daybreak Red. Diese neue Tier soll Zugriff auf zweckorientierte Cyber-Modelle ermöglichen, damit andere Unternehmen sie für autorisierte Zwecke nutzen können – etwa für Vulnerability Research, Exploit-Validierung und Security Testing.
Ergänzend nennt OpenAI Daybreak Blue als zweite Zugriffsstufe. Dort erhalten Unternehmen Zugang zu eher generalistischen Modellen, inklusive GPT-5.6 Sol, allerdings mit Schutzvorkehrungen, die speziell für autorisierte defensive Security-Arbeiten abgestimmt sein sollen. OpenAI schreibt, dass diese Guardrails bei realen Security-Aufgaben helfen können, unter anderem für Incident Detection und Response, Untersuchungen, Vulnerability Management und Sicherheitsbewertungen.
Messung der reduzierten Ablehnungen: Advanced Cybersecurity Completion Rate
Um die Wirkung der reduzierten Schutzmaßnahmen über Daybreak Red zu bewerten, entwickelte OpenAI eine interne Evaluationsmethode namens Advanced Cybersecurity Completion Rate. Diese Kennzahl beschreibt, wie oft das Modell auf Security-relevante Prompts antwortet, die in Richtung Exploit-Chain-Entwicklung, Authentifizierungsumgehung, Privilege Escalation und ähnliche fortgeschrittene Szenarien gehen.
Laut OpenAI zeigen die Tests deutliche Unterschiede je nach Modell und Zugriffsstufe:
- GPT-5.6-Cyber: 95,0% Abschlussquote bei den genannten Aufgaben
- GPT-5.6 Sol: nur 1,5% Abschlussquote
- GPT-5.6 Sol über Daybreak Blue: 2,0% Abschlussquote
- GPT-5.5 Cyber: 57,3% Abschlussquote
Damit stellt OpenAI GPT-5.6-Cyber als deutlich vollständiger bereitgestelltes Werkzeug für Security-Aufgaben dar, bei denen das Modell mit geringeren Ablehnungen arbeiten kann.
Leistung in Benchmarks und bei Zero-Days
OpenAI verweist zudem auf eine Evaluierung im ExploitGym-Benchmark. Dort habe das Modell GPT-5.6-Cyber sowohl GPT-5.6 Sol als auch GPT-5.5 Cyber übertroffen.
Auch beim Thema Zero-Day-Schwachstellen nennt OpenAI positive Ergebnisse: Durch spezialisiertes Training soll GPT-5.6-Cyber besser darin sein, neuartige Schwachstellen zu finden und deren Schweregrad genauer einzuschätzen. Gleichzeitig gibt es laut OpenAI Bereiche, in denen das Modell schlechter abschneidet als GPT-5.6 Sol. Dazu zählen offene, explorative Aufgaben, bei denen Vulnerabilities in einem Code-Repository aufgedeckt werden sollen, das Erstellen eines funktionsfähigen Proof-of-Concept sowie das Einreichen eines hochwertigen Vulnerability Reports.
Die Begründung von OpenAI: Das Modell liefere in manchen Fällen kürzere und weniger detaillierte Vulnerability-Reports. Für Teams kann das bedeuten, dass sie die Ergebnisse weiter qualifizieren, strukturieren und ggf. ergänzen müssen, bevor daraus ein vollständiger Bericht für interne oder externe Prozesse wird.
Beispiel: gemeldete Schwachstelle CVE-2026-15903
OpenAI nennt als Beispiel eine von dem Modell identifizierte Schwachstelle: CVE-2026-15903 mit einem CVSS-Score von 8,8. Laut Beschreibung handelt es sich um eine out-of-bounds read and write-Schwachstelle im V8 JavaScript Engine, die einem entfernten Angreifer möglicherweise erlauben könnte, beliebigen Code innerhalb eines Sandkastens auszuführen – ausgelöst durch eine speziell präparierte HTML-Seite.
OpenAI führt außerdem aus, dass sich die Schwachstelle potenziell mit einer weiteren, ebenfalls zuvor unbekannten Vulnerability verketten lasse, um den V8-Heap-Sandbox-Kontext zu umgehen. CVE-2026-15903 sei Mitte Juli 2026 von Google gepatcht worden.
Weitere Ergebnisse: Schwachstellen in verschiedenen Systemen
Neben dem genannten Beispiel sagt OpenAI, das Modell habe außerdem mehrere andere Fehler aufgeflaggt. Dazu gehören:
- Mindestens fünf Schwachstellen in einem beliebten mobilen Betriebssystem, darunter eine Kette von einer nicht vertrauenswürdigen App bis hin zur lokalen Privilege Escalation
- Drei kritische Schwachstellen in einer verbreiteten Datenbank, einschließlich eines Remote-Pfads zu Code Execution
- Über 400 Schwachstellen, die zu Privilege Escalation im Kernel eines populären Betriebssystems führen können
Für Sicherheitsverantwortliche ist vor allem relevant, dass GPT-5.6-Cyber hier nicht nur einzelne Funde liefern soll, sondern laut OpenAI in einem breiteren Spektrum von Systemkomponenten anwendbar sein kann.
Warum OpenAI Modelle mit weniger Schutzmechanismen veröffentlicht
OpenAI argumentiert, dass Angreifer KI inzwischen stärker nutzen, um Aufgaben in großem Maßstab zu automatisieren. Laut Unternehmen würden Cyberkriminelle und Akteure auf Staatsebene damit weniger „Handarbeit“ benötigen, um Angriffe zu planen und durchzuführen. Gleichzeitig beschreibt OpenAI, dass KI den Zeitraum zwischen Vulnerability Disclosure und Exploitation verkürzen kann, weil Angreifer Werkzeuge nutzen, um passende Exploits schneller zu erstellen.
Vor diesem Hintergrund positioniert OpenAI GPT-5.6-Cyber als Werkzeug für Verteidiger, um Schwachstellen schneller zu erkennen, zu validieren und zu schließen – bevor Angreifer sie ausnutzen. OpenAI nennt in diesem Zusammenhang das Ziel, eine Art Defense Gap zu verringern.
Für den praktischen Einsatz verweist OpenAI darauf, dass das Modell an eine Gruppe vertrauenswürdiger Kundenpartner bereitgestellt wird, darunter unter anderem Accenture, Akamai, Cisco, Cloudflare, CrowdStrike, Fortinet, IBM, Palo Alto Networks, PwC und Sophos. Die Partner sollen die Modelle nutzen, um Sicherheitslücken frühzeitig zu identifizieren und zu patchen.
Wichtige Grenzen: Nutzen für das Patching ist nicht automatisch garantiert
So überzeugend die Fokussierung auf Vulnerabilities und Exploit-nahe Aufgaben wirken kann: OpenAI stellt auch Grenzen in den Vordergrund. Modelle, die stark auf Security-Aufgaben ausgerichtet sind, benötigen weiterhin erhebliche menschliche Expertise – unter anderem, um Ergebnisse korrekt zu bewerten, Patches sicher umzusetzen und neue Fehler zu vermeiden.
OpenAI greift hierzu Erkenntnisse aus einer anderen Untersuchung auf: Dort lag die durchschnittliche Erfolgsquote für Patches, die eine Schwachstelle vollständig beheben und dabei das Anwendungsverhalten nicht wesentlich verändern, bei 26,0%. Für Patches, die zwar behoben, aber das Verhalten änderten, wurden 20,1% genannt. Gleichzeitig traten Fälle auf, in denen KI-generierte Patches die Schwachstelle nicht lösten, eine neue Schwachstelle einführten oder beides – im Mittel 53,9% der Fälle.
Diese Zahlen sollen verdeutlichen, dass Modelle zwar breit beim Entdecken helfen können, beim effektiven Beheben jedoch häufig nur einen „schmalen Teil“ abdecken. Daraus folgt: Teams sollten Ergebnisse prüfen, testen und in ihre Sicherheitsprozesse einbetten, statt sich blind auf Automatisierung zu verlassen.
Risiken reduzierter Schutzmechanismen
OpenAI weist zudem ausdrücklich darauf hin, dass Modelle mit weniger Schutzvorkehrungen Risiken über den normalen Modellbetrieb hinaus mitbringen. Dazu zählen Risiken durch Fehlgebrauch sowie durch eine mögliche Fehlanpassung von Verhalten oder Zielkonflikte. Dennoch betont OpenAI, man sehe die „Demokratisierung“ zugänglicher Cyber-Intelligenz für Verteidiger als wichtig, um Cyberabwehr zu beschleunigen und zu automatisieren.
Die zentrale Herausforderung bleibt damit: Sicherheitsforschung muss verantwortungsvoll und autorisiert erfolgen, während gleichzeitig die Verteidigerseite schneller handlungsfähig bleibt.
Fazit: GPT-5.6-Cyber als Werkzeug für autorisierte Security-Arbeit
GPT-5.6-Cyber steht für einen klaren Fokus auf Security-Arbeit: Vulnerability Research, Penetrationstests und Incident Response – kombiniert mit reduzierten Ablehnungen für bestimmte fortgeschrittene Aufgaben. Über Daybreak Red soll das Modell gezielt für autorisierte Validierung und Security Testing nutzbar werden, während Daybreak Blue eher auf defensive Arbeit mit zusätzlichen Guardrails abzielt.
Die von OpenAI genannten Messwerte zeigen eine deutlich höhere Abschlussquote bei exploit-nahen Szenarien als bei anderen Varianten. Gleichzeitig bleibt der Nutzen bei Berichten, Proof-of-Concepts und besonders beim Patchen abhängig von menschlicher Prüfung und qualitätsgesicherten Prozessen. Wer GPT-5.6-Cyber einsetzt, sollte daher Automatisierung als unterstützendes Werkzeug begreifen – nicht als Ersatz für Expertise.
Quelle: https://thehackernews.com/2026/08/openai-launches-gpt-56-cyber-with.html
