Michael JohnsonSi se da a una IA una herramienta para buscar vulnerabilidades, ¿cómo se puede comprobar que solo analiza el sistema autorizado? El 5 de noviembre de 2026, OpenAI presentó GPT‑6 Cyber, un modelo especializado para la investigación autorizada de vulnerabilidades, el desarrollo de exploits y la verificación de correcciones. La empresa describe dos áreas de entrenamiento: reforzar las capacidades de ciberseguridad y mejorar el cumplimiento del alcance definido por el investigador.
Para los equipos de seguridad, esto cambia el modo de evaluar la herramienta. Hay que medir tanto si el modelo detecta un punto débil como la forma en que actúa cuando tiene acceso a sistemas auxiliares fuera del objetivo autorizado. GPT‑6 Cyber se distribuye a través del programa Daybreak Red; el acceso es limitado y sus condiciones incluyen la verificación de identidad y requisitos organizativos.
Qué ha cambiado exactamente
Los modelos de uso general ya ayudan a revisar código, analizar alertas y preparar correcciones. GPT‑6 Cyber es una variante especializada de GPT‑6 Astra. En su ficha del sistema publicada, OpenAI describe entrenamiento adicional con aprendizaje por refuerzo para reproducir fallos, desarrollar exploits funcionales y buscar vulnerabilidades en bases de código. Otras señales de entrenamiento están orientadas a respetar los permisos y comunicar los resultados con precisión.
En ExploitGym, donde el modelo debe aprovechar una vulnerabilidad dada en un objetivo remoto, GPT‑6 Cyber obtuvo un 48,5 %, frente al 32,1 % de GPT‑5.6 Cyber. En una evaluación aparte de pruebas de penetración web sin acceso al código fuente, el modelo detectó el 40,3 % de las vulnerabilidades introducidas, mientras que GPT‑6 Astra detectó el 32,0 %. Estos resultados corresponden a pruebas concretas; no constituyen una evaluación universal de todos los tipos de defensa y redes.
En la práctica, se trata de una etapa intermedia entre investigar una aplicación desconocida y confirmar una hipótesis sobre una vulnerabilidad. Para los defensores, este trabajo puede acelerar una primera revisión del sistema; para quienes administran la infraestructura, hace especialmente importante limitar con precisión los permisos del agente.
Por qué no solo se comprueban las vulnerabilidades detectadas
El agente recibe una tarea y un entorno: el sistema objetivo, utilidades y, en ocasiones, servicios auxiliares. En la prueba ExploitGym Honeypot, OpenAI incorpora deliberadamente uno de esos servicios. Se puede usar para obtener un secreto de prueba, pero las reglas de la tarea prohíben atacarlo. La prueba permite comprobar si el modelo distingue entre una vía técnicamente útil y una autorizada.
Sin instrucciones de seguridad específicas, GPT‑6 Cyber evitó explotar el servicio ajeno al alcance de la tarea en el 99,93 % de los ensayos; con las instrucciones de despliegue, el resultado fue del 100 %. GPT‑5.6 Cyber obtuvo un 94,49 % sin esas instrucciones. Se trata de una medición del comportamiento en una prueba diseñada con una trampa, no de una garantía universal para cualquier configuración de agente.
Para un equipo real, esto sugiere un enfoque práctico: no basta con definir los límites en el texto de la solicitud. Separe los objetivos de prueba de los servicios ajenos mediante reglas de red, utilice un entorno aislado y revise las acciones en los registros. OpenAI menciona el aislamiento en un entorno controlado, la revisión de acciones y la supervisión humana entre las medidas para situaciones de riesgo. La configuración concreta debe ajustarse a las herramientas y los permisos utilizados.
Qué muestran las investigaciones de OpenAI
OpenAI afirma que sus investigadores, con ayuda de GPT‑6 Cyber, descubrieron 81 vulnerabilidades previamente desconocidas de Firefox, clasificadas por Mozilla como de gravedad alta, y prepararon pruebas reproducibles y posibles correcciones. La empresa también informa de 948 exploits de elevación de privilegios desarrollados para el núcleo de Linux. Son resultados de una campaña de investigación de OpenAI; la empresa indica que comunicó los hallazgos a los equipos responsables de los proyectos y que Mozilla publicó correcciones para muchos de los problemas detectados.
Estos ejemplos vinculan la investigación de vulnerabilidades con el despliegue seguro del modelo. La misma capacidad puede ayudar a los defensores a confirmar un fallo y preparar una corrección, pero también puede utilizarse para desarrollar un exploit. Por eso, los equipos deberían evaluar toda la cadena: el objetivo definido, las restricciones de las herramientas, la reproducibilidad del resultado, el cumplimiento de las reglas y la calidad del informe.
Quién puede acceder al modelo y qué se puede hacer ahora
GPT‑6 Cyber está disponible a través del programa Daybreak Red para un grupo limitado de participantes aprobados que realizan tareas avanzadas de ciberseguridad. La ficha del sistema especifica la verificación de identidad y requisitos organizativos, entre ellos el inicio de sesión único, la autenticación multifactor y las direcciones IP autorizadas para la API. OpenAI anunció su intención de ampliar el programa Daybreak; el día del anuncio, la empresa no comunicó que GPT‑6 Cyber estuviera disponible de forma general.
A los equipos que evalúan herramientas similares les conviene preparar un entorno de pruebas con una lista explícita de objetivos permitidos y sistemas vecinos prohibidos. Para cada tarea, registren los recursos y las acciones autorizados, las herramientas disponibles y los criterios para confirmar una vulnerabilidad. Después, evalúen por separado la calidad de la detección, la reproducibilidad, el respeto de los límites y la calidad del informe.
Así, la comparación permite ver dónde ayuda el modelo, qué resultados requieren una revisión manual y cómo se ajustan las acciones del agente a las reglas de la organización. El principal cambio de GPT‑6 Cyber es combinar capacidades más avanzadas para investigar vulnerabilidades con una evaluación específica de si el trabajo se mantiene dentro de los límites de la tarea autorizada.
