← Torna al blog
Aicirca 6 min di lettura

GPT-6 Cyber trova vulnerabilità reali. Il perimetro è il prodotto.

Pubblicato 8 nov 2026
GPT-6 Cyber trova vulnerabilità reali. Il perimetro è il prodotto.

OpenAI ha presentato GPT-6 Cyber il 5 November. La descrizione è insolitamente concreta per il lancio di un modello: è costruito per lavoro di sicurezza autorizzato, trova e valida vulnerabilità restando dentro un perimetro che il ricercatore definisce, ed è già stato usato per individuare vulnerabilità e aiutare a sviluppare le correzioni.

È un prodotto strano da vendere su un benchmark. Per un modello di vulnerabilità il numero che conta è se trova quelle vere, in codice che non ha mai visto, senza uscire dal bersaglio verso cui è stato puntato, e se il rapporto che produce basta a far riprodurre il risultato a una persona. Tre di queste quattro proprietà riguardano la moderazione.

Cosa è cambiato rispetto a GPT-5.6 Cyber

OpenAI dice che GPT-6 Cyber migliora GPT-5.6 Cyber. È tutta l'affermazione del comunicato, ed è più magra di quanto suggerisca la copertura giornalistica. Nel giro di ore hanno iniziato a circolare note di mercato con la cifra del 48.5% su un benchmark di cybersicurezza e un recall delle vulnerabilità sopra il 40%. Quei numeri non esistono in quella forma nel materiale di OpenAI, e un punteggio senza il suo harness resta un numero di marketing. Prendete la direzione per plausibile e il decimale per non verificato.

Il dettaglio più informativo riguarda il flusso di lavoro. Un modello che trova una falla e si ferma ha prodotto un indizio. Un modello che la trova, scrive una riproduzione e abbozza una patch ha prodotto un ticket su cui un ingegnere può agire, ed è lì che sta il valore. La formulazione di OpenAI, secondo cui il modello è stato usato per aiutare a sviluppare correzioni, fa più lavoro di qualsiasi punteggio.

Come lo testereste davvero

Se guidate un team di sicurezza, la valutazione che volete non somiglia per niente a una classifica pubblica. Costruite un insieme di bersagli di cui conoscete già le risposte e fateli girare alla cieca: un servizio con due bug noti e qualche esca, una libreria con una catena di dipendenze, un firmware con un problema vero e quattro cose che gli somigliano. Poi misurate prima la precisione e poi il recall, perché un modello che segnala undici risultati di cui uno solo è reale vi è costato dieci indagini.

La seconda cosa da misurare è la disciplina di perimetro. Puntatelo su `staging.example.com` con un'esclusione esplicita per `billing.staging.example.com` e guardate se ci va lo stesso. È il modo di fallire che trasforma uno strumento di sicurezza in un incidente, e nessun benchmark di fornitore lo copre.

Righe di codice sovrapposte su uno schermo scuro, con un perimetro di audit delimitato.

La terza è se sa stare zitto. Un agente che sonda un sistema in produzione fa scattare avvisi, rate limit, regole WAF e turni di reperibilità. Un modello che non capisce il costo operativo delle proprie sonde lo potete far girare solo contro una copia.

Il problema del doppio uso non si è mosso

La capacità che trova una vulnerabilità nel vostro servizio è la stessa che ne trova una in quello di qualcun altro. Nessuna scheda di modello cambia questo. Quello che fa OpenAI qui è una strategia di delimitazione, la stessa che compare a ogni rilascio di capacità pericolosa: mettere il guardrail nella superficie del prodotto, descrivere l'uso consentito nella prima frase, e affidarsi al controllo degli accessi e al monitoraggio invece che al giudizio del modello.

È una strategia ragionevole e incompleta. Il perimetro lo definisce chi scrive il prompt. Un ricercatore con un'autorizzazione firmata e un attaccante con una storia plausibile digitano la stessa frase.

Il segnale compensativo di questa settimana arriva dalla stessa azienda. OpenAI ha puntato la società di sicurezza Hacktron contro i propri sistemi e le proprie integrazioni per trovare vulnerabilità. Rivolgere lo stesso tipo di strumento contro se stessi è la postura che rende credibile la capacità, ed è anche l'unico modo per scoprire cosa sanno fare davvero questi modelli prima che lo scopra qualcun altro.

I soldi intorno

Il lancio è caduto nella stessa settimana in cui OpenAI avrebbe raccolto altri $11 billion, su una valutazione di $1.25 trillion, con il round non ancora chiuso e previsto in chiusura entro poche settimane. Tra gli investitori riportati ci sono SoftBank e Sequoia, e l'obiettivo complessivo sarebbe fino a $20 billion.

Mettete i due fatti uno accanto all'altro e la strategia diventa leggibile. Lo sviluppo dei modelli frontier è finanziato da capitale privato a una scala che nessun processo di acquisto può eguagliare, e la linea di prodotto si allarga verso domini specialistici ad alte conseguenze, dove il compratore è un'azienda con un reparto compliance. La cybersicurezza è l'esempio più pulito: il cliente ha già un budget di sicurezza, ha già regole di ingaggio, ha già un motivo per pagare qualcosa che riduca il numero di avvisi che una persona deve leggere.

Cosa dovrebbe portarsi a casa un team di sicurezza

Tre cose, in ordine di utilità.

Primo, la conversazione sul perimetro è ormai una conversazione di prodotto. Se valutate GPT-6 Cyber, valutate l'applicazione scritta del perimetro con la stessa durezza della detection. Chiedete cosa succede quando il modello trova qualcosa fuori dal bersaglio concordato, e se quel risultato viene riportato o soppresso. Uno strumento che tiene un risultato fuori perimetro senza dirvelo ha già rotto la vostra autorizzazione.

Secondo, aspettatevi che il formato del rapporto sia il differenziatore. I modelli che producono una trascrizione di chat non servono a una coda di ticket. I modelli che producono una riproduzione, un intervallo di versioni interessate e una patch suggerita entrano in un flusso esistente, e il flusso è quello che state comprando.

Terzo, non mandate in pensione i vostri scanner. Un modello che ragiona sul codice è bravo nella classe di bug che richiede di capire l'intento, come un controllo di autorizzazione che esiste ma è sbagliato. È scarso nella classe che richiede enumerazione esaustiva, come un fuzzer che trova un crash del parser. La domanda interessante è il routing: quali risultati mandare a quale strumento. Quella decisione vale più del benchmark che tutti citano.

La parte che deciderà l'adozione

I team di sicurezza sono i compratori più scettici del software, e per buone ragioni: sono loro che vengono chiamati quando uno strumento produce un falso negativo. Un modello che manca un bug in una demo è un imbarazzo. Un modello che manca un bug in produzione e su cui qualcuno contava diventa un incidente con un nome attaccato.

Questa asimmetria decide come verrà distribuito. Aspettatevi di vederlo prima dove comunque un umano avrebbe letto il codice, come seconda opinione su una pull request o come assistente di triage che ordina i risultati, invece che come l'unica cosa che guarda. Aspettatevi che i resoconti parlino di copertura guadagnata e non di copertura sostituita.

L'altro limite è il prezzo. Un modello frontier che legge una base di codice grande costa caro a ogni passata, e la ricerca di vulnerabilità è un'attività a molte passate: una per capire l'architettura, una per seguire il flusso dei dati, una per confermare, una per scrivere la patch. Qualunque sia il costo per token al lancio, il costo effettivo è da quattro a dieci volte una singola lettura. Resta poco rispetto a una settimana di un ingegnere senior, e il confronto che i compratori faranno davvero è quello.

Articoli correlati