[{"data":1,"prerenderedAt":29},["ShallowReactive",2],{"nr-de-openai-gpt-6-cyber-vulnerability-discovery":3},{"slug":4,"title":5,"dek":6,"date":7,"time":8,"publishedAt":9,"updated":10,"updatedAt":10,"dateFmt":11,"updatedFmt":10,"kind":12,"tier":13,"author":14,"authorName":15,"topics":16,"tracker":21,"trackerLabel":22,"headlineStat":23,"image":24,"ogImage":25,"imageAlt":5,"csv":10,"minutes":26,"words":27,"html":28},"openai-gpt-6-cyber-vulnerability-discovery","OpenAI stellt GPT-6 Cyber vor: KI zum Finden und Schließen von Sicherheitslücken","OpenAI hat ein auf Cybersicherheit trainiertes Modell vorgestellt, das Schwachstellen finden, Exploits entwickeln und Patches vorschlagen soll. Die Leistungsdaten stammen bislang ausschließlich von OpenAI selbst.","2026-11-06","05:26","2026-11-06T05:26:00+01:00","","6. November 2026","news","standard","ideal-syka","Ideal Syka",[17,18,19,20],"Cybersicherheit","OpenAI","Sicherheitslücken","Dual-Use","\u002Ftools\u002Fki-evidenznetz","Verknüpfte Belege zu KI-Sicherheit","81 Schwachstellen in Firefox laut OpenAI","\u002Fnewsroom\u002Fimg\u002Fopenai-gpt-6-cyber-vulnerability-discovery.webp","\u002Fog-nr\u002Fopenai-gpt-6-cyber-vulnerability-discovery.de.png",2,435,"\u003Cp>OpenAI hat mit GPT-6 Cyber ein KI-Modell vorgestellt, das gezielt für die Suche nach Sicherheitslücken in Software trainiert wurde. Laut OpenAI soll es Schwachstellen finden, funktionierende Angriffswege entwickeln und Vorschläge für Patches liefern. Das berichtet The Decoder unter Berufung auf die Ankündigung von OpenAI.\u003C\u002Fp>\n\u003Ch2>Eigene Benchmarks, keine unabhängigen Tests\u003C\u002Fh2>\n\u003Cp>Auf dem Benchmark ExploitGym, der prüft, ob ein Modell eine vorgegebene Schwachstelle in einem entfernten System ausnutzen kann, erreicht GPT-6 Cyber laut OpenAI 48,5 Prozent, gegenüber 32,1 Prozent beim Vorgänger GPT-5.6 Cyber. Bei einem neuen Test zur Erkennung von Schwachstellen in Webanwendungen ohne Quellcode meldet OpenAI 40,3 Prozent, verglichen mit 32,0 Prozent für GPT-6 Astra. Alle Benchmark-Zahlen stammen von OpenAI selbst; unabhängige Tests liegen laut The Decoder bislang nicht vor.\u003C\u002Fp>\n\u003Ch2>Funde in Firefox und im Linux-Kernel\u003C\u002Fh2>\n\u003Cp>In einer gezielten Kampagne habe das Modell laut OpenAI 81 bisher unbekannte schwerwiegende Schwachstellen in Firefox gefunden, obwohl der Browser zuvor mit früheren KI-Modellen getestet worden war. Mozilla habe die Berichte angenommen und bereits Fixes veröffentlicht. Im Linux-Kernel reproduzierte das Modell laut OpenAI 1.724 Sicherheitslücken und entwickelte für 948 davon funktionierende Angriffe, mehr als fünfmal so viele wie die 166 von GPT-5.6 Sol unter gleichen Bedingungen. 304 kritische Funde seien mit Behebungsvorschlägen an Linux-Maintainer gemeldet worden.\u003C\u002Fp>\n\u003Cp>Laut OpenAI kostete der Durchlauf 1.213.430 Dollar an Rechenkosten, umgerechnet 1.279 Dollar pro Angriff. Als Vergleich nennt The Decoder Prämien von Programmen wie Pwn2Own oder TyphoonPWN zwischen 20.000 und 70.000 Dollar pro vergleichbarem Fund. OpenAI behauptet zudem, die Agenten hätten mindestens zehn neuartige Angriffstechniken eingesetzt, die auch externen Kernel-Sicherheitsexperten unbekannt gewesen seien. Wie weit diese Aussage trägt, hänge davon ab, was man unter "eigenen Wegen" versteht.\u003C\u002Fp>\n\u003Ch2>Sicherheitsvorkehrungen und Zugang\u003C\u002Fh2>\n\u003Cp>OpenAI gibt an, das Modell gezielt darauf trainiert zu haben, sich an den vorgegebenen Handlungsrahmen zu halten. Ohne spezielle Sicherheitsanweisungen vermied es Grenzüberschreitungen in 99,93 Prozent der Fälle, gegenüber 94,49 Prozent beim Vorgänger; mit Sicherheitsanweisungen lag die Quote laut OpenAI bei 100 Prozent. OpenAI stuft GPT-6 Cyber im eigenen Preparedness Framework als "Critical" im Bereich Cybersicherheit ein.\u003C\u002Fp>\n\u003Cp>Der Zugang ist laut OpenAI zunächst über API und Codex für eine ausgewählte Gruppe von Daybreak-Red-Kunden verfügbar und soll schrittweise erweitert werden. OpenAI räumt ein, dass mit wachsender Leistungsfähigkeit auch Missbrauchsversuche zunehmen.\u003C\u002Fp>\n\u003Ch2>Einordnung\u003C\u002Fh2>\n\u003Cp>Für Unternehmen, die Software betreiben, könnte ein solches Modell die Suche nach Schwachstellen beschleunigen, zugleich aber den Aufwand für Angreifer senken, sollte es in falsche Hände geraten. Entscheidend wird sein, wie unabhängig die Leistungsangaben überprüft werden und ob der gestufte Zugang tatsächlich kontrolliert bleibt.\u003C\u002Fp>\n\u003Ch2>Quellen\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fthe-decoder.de\u002Fgpt-6-cyber-openai-trainiert-ki-modell-gezielt-fuer-die-jagd-nach-sicherheitsluecken\u002F\">The Decoder (DE)\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-gpt-6-cyber\">OpenAI\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fthe-decoder.com\u002Fopenais-gpt-6-cyber-can-both-break-into-systems-and-propose-how-to-fix-them\u002F\">The Decoder\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cem>Redaktionell verantwortet von \u003Ca href=\"\u002Fautor\u002Fideal-syka\">Ideal Syka\u003C\u002Fa>. Quellen und Arbeitsweise: \u003Ca href=\"\u002Fredaktion\">Redaktion & Methode\u003C\u002Fa>. Hinweise und Korrekturen: \u003Ca href=\"mailto:ai@i6eal.de\">ai@i6eal.de\u003C\u002Fa>.\u003C\u002Fem>\u003C\u002Fp>\n",1793952074028]