A OpenAI apresentou nesta segunda-feira um novo modelo focado em cibersegurança chamado GPT-5.6-Cyber, voltado para pesquisa de vulnerabilidades, testes de penetração e resposta a incidentes.
"Construído sobre o GPT-5.6 Sol, ele é treinado para melhorar capacidades em diversas tarefas especializadas de cibersegurança (por exemplo, encontrar vulnerabilidades de dia zero e desenvolver cadeias de exploits) e para reduzir recusas em determinadas tarefas cibernéticas de uso duplo e de maior risco", afirmou a OpenAI em comunicado.
A empresa de inteligência artificial (IA, do inglês AI - artificial intelligence) afirmou que está disponibilizando o GPT-5.6-Cyber por meio do Daybreak Red, um novo nível que oferece acesso aos seus modelos de cibersegurança treinados para fins específicos a outras empresas, voltado para pesquisa autorizada de vulnerabilidades, validação de exploits e testes de segurança.
O GPT-5.6-Cyber, uma versão mais permissiva em termos cibernéticos do GPT-5.6 Sol, é baseado no GPT-5.5-Cyber, lançado pela OpenAI em junho de 2026.
Para medir a taxa reduzida de recusas proporcionada pelo GPT-5.6-Cyber por meio do acesso Daybreak Red, a OpenAI afirmou ter criado uma avaliação interna chamada Taxa de Conclusão Avançada em Cibersegurança, que mede a frequência com que os modelos respondem a prompts relacionados ao desenvolvimento de cadeias de exploits, contorno de autenticação, escalonamento de privilégios e outros cenários avançados de cibersegurança.
Os testes mostram que o GPT-5.6-Cyber conclui 95,0% dessas solicitações, em comparação com apenas 1,5% no caso do GPT-5.6 Sol e 2,0% quando utilizado com o acesso Daybreak Blue. Também foi constatado que ele finaliza mais solicitações com sucesso do que o GPT-5.5-Cyber, que completou apenas 57,3% dos pedidos.
O GPT-5.6-Cyber é treinado para melhorar o desempenho em determinados fluxos de trabalho de cibersegurança que envolvem desenvolvimento de exploits e pesquisas avançadas de segurança. Uma avaliação de benchmark chamada ExploitGym revelou que o modelo supera tanto o GPT-5.6 Sol quanto o GPT-5.5-Cyber.
A OpenAI afirmou que o modelo também apresenta melhorias na identificação e na calibração precisa da gravidade de novas vulnerabilidades de dia zero graças ao treinamento especializado, embora tenha desempenho inferior ao GPT-5.6 Sol em tarefas abertas associadas à descoberta de vulnerabilidades em um repositório, ao desenvolvimento de uma prova de conceito funcional e ao envio de um relatório de vulnerabilidade de alta qualidade.
Isso se deve, segundo a empresa, ao fato de "o modelo às vezes produzir relatórios de vulnerabilidades mais curtos e menos detalhados".
Uma das vulnerabilidades de alta gravidade descobertas pelo modelo é a CVE-2026-15903 (Vulnerabilidades e Exposições Comuns; do inglês, CVE - Common Vulnerabilities and Exposures), com pontuação CVSS (Sistema Comum de Pontuação de Vulnerabilidades; do inglês, CVSS - Common Vulnerability Scoring System) de 8,8. Trata-se de uma vulnerabilidade de leitura e escrita fora dos limites no motor JavaScript V8, que pode permitir que um atacante remoto execute código arbitrário dentro de um ambiente isolado (sandbox) por meio de uma página HTML criada para esse fim.
Ela pode ser combinada com outra vulnerabilidade até então desconhecida, também encontrada pelo modelo, para escapar do sandbox de heap do V8. A CVE-2026-15903 foi corrigida pelo Google em meados de julho de 2026. A OpenAI afirmou que o modelo também foi utilizado para sinalizar outras falhas, como:
- Pelo menos cinco vulnerabilidades em um sistema operacional móvel popular, incluindo uma cadeia que vai de um aplicativo não confiável ao escalonamento local de privilégios;
- Três vulnerabilidades críticas em um banco de dados popular, incluindo um caminho remoto para execução de código;
- Mais de 400 vulnerabilidades que podem levar ao escalonamento de privilégios no núcleo de um sistema operacional popular.
O Daybreak Red é um dos dois níveis de acesso criados pela OpenAI como parte da iniciativa Daybreak, apresentada em maio de 2026. O outro é o Daybreak Blue, que oferece acesso a modelos de fronteira de uso geral, incluindo o GPT-5.6 Sol, com barreiras de proteção integradas, adaptadas a trabalhos autorizados de segurança defensiva.
"O acesso Daybreak Blue remove essas barreiras de proteção, ajudando os defensores a aproveitarem melhor o modelo em tarefas reais de segurança, incluindo detecção e resposta a incidentes, investigações, gestão de vulnerabilidades e avaliações de segurança", afirmou a empresa.
O GPT-5.6-Cyber foi disponibilizado a um grupo de parceiros clientes confiáveis, como Accenture, Akamai, Cisco, Cloudflare, CrowdStrike, Fortinet, IBM, Palo Alto Networks, PwC e Sophos, para ajudar a identificar e corrigir vulnerabilidades antes que os atacantes possam explorá-las e fechar a "lacuna de defesa".
Esses modelos estão sendo apresentados a empresas como uma forma de sinalizar vulnerabilidades de segurança em softwares, uma vez que agentes maliciosos têm ampliado significativamente o uso da tecnologia para aprimorar campanhas e realizar ataques cibernéticos em velocidade e escala sem precedentes, mesmo que isso não tenha resultado na descoberta de técnicas de ataque novas ou sofisticadas.
O que fica evidente é que agentes de IA estão permitindo que criminosos cibernéticos e hackers patrocinados por Estados terceirizem o trabalho braçal necessário para planejar e executar ataques cibernéticos, oferecendo uma forma de aumentar a eficiência e a produtividade de suas operações, o que resulta em ataques melhores, maiores e mais rápidos.
Piorando a situação, a IA também encurtou o caminho entre a divulgação de uma vulnerabilidade e sua exploração, com atacantes se apoiando em ferramentas desse tipo para escrever exploits "vibe"针对 falhas recém-divulgadas. Com a IA já diminuindo a barreira para o desenvolvimento de exploits e acelerando a pesquisa de vulnerabilidades, é provável que os atacantes ampliem a abrangência de sua busca entre as vulnerabilidades divulgadas daqui em diante, na tentativa de encontrar uma porta de entrada em redes corporativas.
Embora os sistemas de IA tenham melhorado bastante na identificação e na exploração de vulnerabilidades em softwares, eles ainda exigem expertise humana substancial, mesmo com pesquisas indicando que modelos de raciocínio com capacidade cibernética, como ChatGPT 5.5 e Anthropic Claude Opus 4.8, podem ter dificuldades para corrigir totalmente uma vulnerabilidade descoberta ou evitar introduzir novos problemas em suas correções.
"A taxa média de sucesso na geração de uma correção que resolvesse totalmente a vulnerabilidade (sem alterar materialmente o comportamento do aplicativo) foi de apenas 26,0%", afirmou a 1Password em comunicado. "As correções que resolveram com sucesso a vulnerabilidade, mas alteraram o comportamento do aplicativo no processo, ocorreram em 20,1% das vezes. Por outro lado, as correções geradas por LLMs (Modelos de Linguagem de Grande Porte; do inglês, Large Language Models) não resolveram a vulnerabilidade, adicionaram uma nova vulnerabilidade, ou ambos, em uma média de 53,9% das vezes".
Os achados reforçam que os modelos que atualmente se destacam na descoberta de uma ampla gama de vulnerabilidades só são eficazes na correção de um "subconjunto restrito" delas e ajudam a orientar os desenvolvedores para fora de cenários em que os modelos introduzem novos bugs, independentemente de uma questão existente ter sido corrigida ou não, ampliando efetivamente a superfície de ataque explorável por agentes maliciosos.
"Modelos executados com salvaguardas reduzidas carregam riscos além do uso padrão de modelos, seja por uso indevido ou desalinhamento", afirmou a OpenAI. "Apesar desses riscos, acreditamos que democratizar o acesso à inteligência de fronteira para os defensores é crucial para acelerar e automatizar a defesa cibernética".
