GPT-5.5-Cyber превосходит Mythos от Anthropic по безопасности

Главный результат здесь в том, что GPT-5.5-Cyber набирает 85,6% в CyberGym против 83,8% у Mythos 5 от Anthropic. Но куда интереснее то, насколько специализированная модель превосходит базовую GPT-5.5. В ExploitGym, где измеряется реальная способность находить уязвимости, GPT-5.5-Cyber набирает 39,5% против 25,95% у базовой модели GPT-5.5. Аналогично, в SEC-bench Pro GPT-5.5-Cyber набирает 69,8% против 63,1% у базовой модели. Сегодня OpenAI выпустила GPT-5.5-Cyber в рамках своей инициативы по кибербезопасности Daybreak, и результаты ясно показывают: если у вас есть хорошая универсальная модель вроде GPT-5.5, а затем вы обучаете её конкретно на узкой задаче, вы получаете значительный прирост производительности. Это значит, что вместо того, чтобы использовать одну и ту же модель и придумывать более удачные стратегии промптинга, стоит задуматься об использовании специализированной под вашу область модели (например, в безопасности, медицине, юриспруденции, финансах).

Плагин Codex Security, который идёт вместе с моделью, уже развёрнут в продакшене. Он проанализировал более 30 млн коммитов в 30 000+ репозиториев, автоматически закрыв 500 000 issue и подтвердив ещё 70 000 вместе с людьми. Отметим, что даже со специализированной моделью все патчи должны проверяться и одобряться людьми. То есть ИИ находит проблему и предлагает решение, но решать, внедрять его или нет, остаётся за людьми.

1Кто уже внутри сети

У них довольно много партнёров: более 25 вендоров безопасности (Cisco, Crowdstrike, Cloudflare, Palo Alto Networks, IBM, Fortinet, Wiz, SentinelOne, Palantir) и 8 государств (Австралия, Канада, Франция, Германия, Япония, Южная Корея, Великобритания и ENISA Евросоюза). Также в проекте Patch the Planet участвует несколько open source проектов, таких как cURL, Go, Python и Sigstore. Это базовые технологии, используемые в большинстве приложений и API, так что если в сторонних библиотеках, от которых вы зависите, есть уязвимости, теперь они на расстоянии вытянутой руки.

2Что разрыв в специализации значит для тех, кто строит

Если посмотреть на разницу между GPT-5.5-Cyber и базовой GPT-5.5 в ExploitGym (13 пунктов), видно, что когда у вас есть хорошая универсальная модель вроде GPT-5.5, а затем вы обучаете её конкретно на узкой задаче, вы получаете значительный прирост производительности. Это значит, что если вы разрабатываете продукты в конкретной области (например, безопасность, медицина, юриспруденция, финансы), стоит задуматься об использовании специализированной под эту область модели, а не просто пытаться придумать более удачные промпты для универсальной модели.

Наконец, миллионы репозиториев непрерывно сканируются. В сканирование включены популярные языки и библиотеки, такие как Python, cURL и Go. Предположение OpenAI таково: если автоматизировать процесс и дать людям проверять все патчи, можно идти в ногу с темпом появления уязвимостей и их исправления.