GPT-6 Cyber 带准入层出售，安全评测双基准与 Cosmos 3 交互仿真配方同周落地
OpenAI 把 Critical 级攻防模型连同 Daybreak Red 准入层一起商品化；CWE-bench v2 与 CyberArena 同周补上社区度量尺子；NVIDIA 开放 Cosmos 3 四个交互世界仿真检查点与四阶段训练配方
OpenAI 把最强的攻防模型连同准入层一起出售，社区在同一周交出两把度量尺子，NVIDIA 把交互世界仿真的训练配方开源——前沿竞争的焦点正从「谁的模型更强」挪向「能力怎么交付、怎么量、怎么适配」。
OpenAI 发布 GPT-6 Cyber：攻性能力第一次带上准入层出售
事件概述：11 月 5 日，OpenAI 在官方博客发布 GPT-6 Cyber，定位为「在研究人员设定的授权边界内发现并验证可利用漏洞」的网络安全专用模型。按 Preparedness Framework 的评级，它从 GPT-5.6 Cyber 的 High 升到 Critical——这是 OpenAI 首次把 Critical 级攻性能力当作商品出售。初期只经 API 与 Codex 提供给少数批准的 Daybreak Red 客户，Cisco、Mozilla、Palo Alto Networks、Cognition、SentinelOne 等已在名单上。
技术解析：能力数字与边界数字同步上行。ExploitGym 远程漏洞利用 48.5%，对比 GPT-5.6 Cyber 的 32.1%，相对提升 51%；无源码黑盒 Web 渗透 40.3% recall，压过 GPT-6 Astra 的 32.0%。更值得关注的是两个专门测边界的数字：在含 GitLab、PostgreSQL、Jenkins 已知漏洞的 RemoteExploitBench 上，GPT-6 Cyber 完成 95% 的任务，而 GPT-6 Astra 加 Daybreak Blue 拒绝了 100%——同一家厂商用「普通模型全拒、专精模型放行」的对比，把安全分级做成了可量化的产品差异；ExploitGym Honeypot 越界测试中，不给任何部署提示时 99.93% 的交互仍在授权范围内，给提示则为 100%。工程配套相当完整：网络特定失准监控、PSP 私密安全处理（加密记录留 30 天、OpenAI 员工不可见）、Daybreak Red API 默认强制 IP 白名单。OpenAI 明说「不追求 100% 拦截率」，因为大量攻击技术对合法研究同样必要——这句话本身就是对过去几年「安全=一律拒绝」路线的修正。
行业影响：上期本栏写过的「千条 root 路径」（948 个 Linux 内核提权 exploit、120 万美元成本）正是这个模型的产出，11 月 5 日的新意在于商业化框架：漏洞赏金之外，OpenAI 配了 10 亿美元的 Daybreak for Frontline Defenders 补贴计划，把电网、水务等关键基础设施防御者拉进客户群。Anthropic 的 Cyber Verification Program、Cyber Mission 走的是同一条路。攻防能力的分配问题从「敢不敢发布」变成了「发给谁、按什么分级、谁验证」——GPT-6 Cyber 给出的答案是准入层加系统卡（deploymentsafety.openai.com/gpt-6-cyber）双轨并行。对买不到 Daybreak Red 的团队，判断这套分级是否名副其实，只能靠社区基准。
相关链接：
CWE-bench v2：真实仓库里的攻防修复考卷
事件概述：11 月 3 日，Collinear AI 在 Hugging Face 博客发布 CWE-bench v2，公开 100 个任务，另有 held-out 私有集持续跟踪无人见过的题目。任务形式沿用 v1：agent 拿到真实开源仓库的 checkout 和一条简短指令，要求在不破坏既有功能的前提下找到并修复安全缺陷，判分全程序化、确定性、可复现。
技术解析：这 100 题覆盖 91 种 CWE，刻意的宽覆盖意味着「认出熟悉的漏洞模式」不够用——防守方要每次都对，攻击方只要对一次。每题手工核过六问，包括「verifier 是否会放过背下来的已知上游补丁」，反污染设计直接写进判分器。11 个模型的成绩：Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 67.3%/78.0% 紧随其后；95 题至少被一个模型解出，但领跑者在所有尝试中仍失败 19%——长尾远未解决。成本侧的 Pareto 前沿是三个点：DeepSeek V4.1 Flash 57.0% pass@1、每次 rollout 0.04 美元；Opus 5.5 多拿 10 个百分点、1.83 美元；Gemini 4 Argon 再多 0.5 个百分点、3.92 美元。任务全部打成 Harbor 容器任务，一条命令从 Hub 直跑，还带 rl-environment 标签——同一套环境与判分器可以直接当 RL 训练奖励用。
行业影响：GPT-6 Cyber 的战绩出自 OpenAI 自建的 ExploitGym 与 RemoteExploitBench，厂商自评与社区他评的双轨结构，跟大模型通用能力领域「内部 eval 与公开基准互相校准」的局面正在重演。CWE-bench v2 的 held-out 集和反记忆判分器，是对「刷题污染」的两层防御；「基准即训练环境」的复用思路，则把评测资产变成了后训练资产。对国产模型，这个榜上 DeepSeek 的成本点位是个可核对的位置——0.04 美元一次 rollout 的修复能力，已经够很多安全团队改选型清单了。
相关链接：
CyberArena：把安全评测从考卷改成擂台
事件概述：11 月 3 日，2077AI 与 UC Berkeley RDI 在 Hugging Face 发布 CyberArena（论文 arXiv:2610.19005，10 月 13 日提交）。它不改题目难度，改评测结构：两个 agent 各持同一漏洞服务的副本，一边攻击对方、一边修补自己，三回合、每回合 20 分钟、无提示。
技术解析：竞技场每回合往双方服务里植入新目标（目标池 51 个：read 35、execute 14、write 2），回合结束 flag 全部轮换、补丁保留——攻方昨天的 exploit 今天可能被守方的补丁废掉，难度上限随对手变强而上浮。挑战库 46 个：30 个来自真实软件（28 个围绕公开 CVE，优先 CISA 已知被利用漏洞），14 个移植自 saarCTF、DEF CON CTF 决赛档案。466 场有效比赛、12 个前沿 agent 的排名里，GPT-5.6 Sol 以 78.6 期望分居首，Claude Opus 5 以 73.8 次之，GLM-5.3（68.5）、Gemini 3.7 Flash（67.1）、Qwen3.8 Max（62.3）、Kimi K3（57.0）依次排开。领先者的优势在防守：Sol 守旗率 83%、丢旗后首次重启中位 2.3 分钟，其余模型 3.9–12.3 分钟；攻防能力相关系数 0.85，侧面支持「攻防同源」。对 466 条轨迹的自动审计揪出 23% 比赛出现「未验证的修复声明」、21% 出现部分补丁——模型嘴上说修好了的可靠性问题，第一次有了量。丢旗后 67% 的 agent 查看攻击记录、57% 重启服务，重启者下回合守旗率 60%、未重启者 9%。4% 的比赛里攻击者植入的后门在补丁和重启后存活。两个 Gemini Flash agent 约三分之一比赛整轮沉睡，作者坦承模型与 harness 因素无法区分。
行业影响：Cybench 一类单角色、静态目标的基准正在饱和，CyberArena 用对称对抗让「第一名」重新有了区分度（GPT-5.6 Sol 在全部 22 次累计重拟合中稳居第一，Kendall τ = 0.85）。它顺手给出了两类可复用资产：记分模型（Bradley-Terry 加项目反应理论，比赛按期望信息增益挑选）和失败模式清单（未验证修复、部分补丁、过度阻断），前者可搬到其他对抗性评测，后者直接是 agent 工程的整改列表。预告的「递归对抗改进」——从比赛留存的地面真值轨迹回炉再战——把自博弈路线引入安全评测。跟 GPT-6 Cyber 对照着看：厂商在能力侧做分级准入，社区在度量侧把「防得住」拆成了可计数的攻防事件，两件事正在合拢。
相关链接：
NVIDIA Cosmos 3 四个开放检查点：世界模型的交付配方
事件概述：11 月 5 日，NVIDIA 在 Hugging Face 发布 Cosmos 3 家族的四个开放权重检查点，全部基于 Cosmos3-Nano（16B 可训练参数），许可证 OpenMDW 1.1 允许商用。
技术解析：四个检查点对应四种交付形态：Transfer-Auto 离线生成多视角驾驶数据（最多 11 路相机含鱼眼、RGB 与 LiDAR 联合生成，World Scenario Map 控制场景结构与交通流）；Sim-Auto 是它因果蒸馏后的流式变体，滚动历史加驾驶控制、少步去噪支撑长交互 rollout；Sim-Transfer 把物理模拟器的控制信号加文本提示渲染成策略可用的 RGB 观测，深度、分割、边缘、模糊都能当控制信号；Sim-Bimanual 从双臂机器人动作直接预测下一帧观测，支持 YAM 与 AgiBot 两种本体，59 个控制值。训练侧公开的是四阶段配方：双向适应学域、teacher forcing 逐块预测、一致性蒸馏压到四步去噪、self-forcing 用学生自己生成的历史训练——最后一阶段针对的是世界模型的通病：一个轻微误预测的物体成为后续帧的上下文，误差滚雪球。骨干是 Mixture-of-Transformers，文本与视觉生成网络经注意力相连，latent 一个时间步代表四帧 RGB。部署给的是 GB200 上验证过的 vLLM-Omni 栈。
行业影响：本期四条放在一起看，一条交付链浮出来：OpenAI 交付的是「能力加准入层」，Collinear 与 2077AI 交付的是「尺子」，NVIDIA 交付的是「配方加权重」——前沿厂商的差异化点已经从榜单分数挪到每种专精能力各自的配套物。Cosmos 3 本身标志着世界模型从「生成一段像真的视频」转向「闭环交互里的观测预测器」，Sim-Transfer 把物理真值留在模拟器、只让生成模型管外观，是眼下最务实的分工。机器人团队拿到的不只是权重，还有把检查点适配到自己传感器布局与本体的完整后训练路径——这正是开源世界模型与 LeRobot 一类机器人栈能咬合的位置。
相关链接：