Lernen  /  Neuigkeiten

GPT-6 Cyber erklärt: OpenAIs Sicherheitsmodell, seine Werte und was es für Datenteams bedeutet

Eine Woche nach Googles Gemini 4 Carbon hat auch OpenAI ein Modell, das Softwarelücken finden und ausnutzen kann, nur für Verteidiger. Die Zahlen sind beeindruckend, und die Botschaft für alle mit PostgreSQL, Jenkins oder GitLab ist einfach: schneller patchen.

Neuigkeiten7 Min. LesezeitAktualisiert am 9 November 2026
KIKI-AgentenNeuigkeiten
Alle Leitfäden und Spickzettel

Am 5. November 2026 stellte OpenAI GPT-6 Cyber vor, eine speziell für Sicherheitsforschung trainierte Version von GPT-6: Schwachstellen finden, ihre Ausnutzbarkeit beweisen und beim Schreiben von Korrekturen helfen. In ChatGPT ist es nicht verfügbar. Zugang erhalten nur geprüfte Sicherheitsteams über OpenAIs Programm Daybreak. Es ist das zweite Modell dieser Art in zwei Wochen, nach Googles Gemini 4 Carbon, und bestätigt einen Trend: Die leistungsfähigsten KI-Modelle gehen jetzt zuerst an Verteidiger.

48.5Prozent in ExploitGymnach 32,1 bei GPT-5.6 Cyber
948Linux-Exploitsaus 1.724 nachgestellten Lücken
81Neue Firefox-Fehlervon Mozilla als schwer eingestuft
99.93Prozent im Rahmenohne Einsatzanweisungen

Die Benchmark-Ergebnisse

ExploitGym: eine vorgegebene Schwachstelle auf einem entfernten Ziel ausnutzen
GPT-6 Cyber48,5 %
GPT-6 Astra (Daybreak Blue)42,4 %
GPT-5.6 Cyber32,1 %
GPT-5.6 (Daybreak Blue)30,3 %
GPT-6 Astra (Standard)0 %

Quelle: OpenAI, 5. November 2026. GPT-6 Astra mit Standardschutz lehnt diese Aufgaben ab und erzielt daher 0 %. Daybreak Blue ist OpenAIs Zugangsstufe für geprüfte Verteidiger.

In einem neuen Test für Web-Penetrationstests ohne Zugriff auf den Quellcode fand GPT-6 Cyber 40,3 % der Schwachstellen, GPT-6 Astra 32,0 %. In einem weiteren neuen Benchmark, RemoteExploitBench, mit bekannten Lücken in echten Anwendungen wie GitLab, PostgreSQL und Jenkins, erledigte GPT-6 Cyber 95 % der Aufgaben, während GPT-6 Astra alle ablehnte.

Was es schon gefunden hat

GPT-6 Cyber in der Praxis

  1. 948 funktionierende Exploits

    Es stellte 1.724 Kernel-Schwachstellen nach und schrieb für 948 funktionierende Exploits zur Rechteausweitung, mehr als fünfmal so viele wie die 166 von GPT-5.6 Sol mit demselben Aufbau. OpenAI meldete 304 kritische Funde an die Maintainer.

  2. 81 neue schwere Fehler

    Dazu 30 bekannte Probleme, die sich als schwerer als gemeldet erwiesen. Mozilla hat für viele davon bereits Korrekturen veröffentlicht.

  3. Codeausführung aus der Ferne gezeigt

    Eine Kompressionsbibliothek, die Node.js und andere Software nutzen.

  4. Sicherheitsteams im EinsatzJetzt

    Genannte Nutzer sind unter anderem Mozilla, Cisco, CrowdStrike, Palo Alto Networks, SentinelOne, Perplexity und CodeRabbit.

Innerhalb der Grenzen bleiben

Das Risiko eines Sicherheitsagenten liegt nicht nur darin, was er kann, sondern ob er nur tut, was verlangt wird. OpenAI hat einen Test namens ExploitGym Honeypot gebaut: Das Modell bekommt eine schwere Aufgabe und dazu leicht angreifbare Dienste, die ausdrücklich außerhalb des Auftrags liegen. GPT-6 Cyber ließ diese Dienste in 99,93 % der Läufe ohne seine Einsatzanweisung in Ruhe (GPT-5.6 Cyber: 94,49 %) und in 100 % mit ihr. OpenAI verlangt außerdem eine IP-Freigabeliste für den API-Zugang zu Daybreak Red, überwacht gestohlene Zugangsdaten und ergänzt Prüfungen gegen Angriffe auf kritische Infrastruktur wie Strom- und Wasserversorgung.

GPT-6 Cyber oder Gemini 4 Carbon

GPT-6 Cyber

OpenAI, 5. November
Gebaut für
Schwachstellen finden, ausnutzen und beheben
Zugang
ausgewählte Daybreak-Red-Kunden über die API und Codex, später alle Daybreak-Red-Kunden
Kennzahlen
48,5 % in ExploitGym, 948 Linux-Exploits
  • Spezialisiertes Modell mit eigenem Training, um im Auftragsrahmen zu bleiben

Ein Werkzeug für Sicherheitsteams, kein Allzweck-Assistent.

Gemini 4 Carbon

Google, 28. Oktober
Gebaut für
ein allgemeines Spitzenmodell, zuerst für Cyber-Verteidiger
Zugang
Cyber-Verteidiger, dann das Partnerprogramm Fairwind
Kennzahlen
Platz eins im Artificial-Analysis-Index mit 59,4; 71 % in CWE-bench
  • Zugleich das stärkste allgemeine Modell in öffentlichen Tests

Soll später ein Allzweckmodell werden.

Was das für Datenteams bedeutet

Sie werden GPT-6 Cyber wahrscheinlich nie selbst nutzen. Doch die Systeme, von denen Datenteams abhängen, etwa PostgreSQL, Jenkins, GitLab, Notebook-Server und Open-Source-Bibliotheken, sind genau das, was diese Modelle angreifen lernen. OpenAI spricht von einem "begrenzten Zeitfenster", in dem Verteidiger diese Modelle nutzen können, bevor Angreifer ähnliche haben. Praktische Schritte:

  1. 1

    Schneller patchen

    Verkürzen Sie die Zeit zwischen einem Sicherheitsrelease und Ihrem Upgrade, besonders bei Datenbanken, CI-Servern und allem, was aus dem Internet erreichbar ist.

  2. 2

    Wissen, was läuft

    Führen Sie eine Liste der Versionen von PostgreSQL, Spark, Airflow, Jenkins und Python-Bibliotheken in Produktion, um schnell auf Warnungen zu reagieren.

  3. 3

    Öffentliche Erreichbarkeit beseitigen

    Stellen Sie Datenbank-Ports, Notebook-Server und Admin-Konsolen hinter ein VPN oder ein privates Netz.

  4. 4

    Agenten enge Rechte geben

    Wenn Sie KI-Agenten auf Ihrer Datenplattform nutzen, folgen Sie unserer Checkliste zur Absicherung von KI-Agenten.

  5. 5

    KI auf den eigenen Code ansetzen

    Gängige Modelle helfen schon bei Code-Reviews und Fehlersuche; lassen Sie Pipelines und SQL auf Injection und Geheimnisse prüfen.

Testen Sie Ihr Wissen

1/3Wo kann man GPT-6 Cyber nutzen?

2/3Welchen Wert erreichte GPT-6 Cyber in ExploitGym?

3/3Was ist die wichtigste Lehre für Teams mit Datenbanken und CI-Servern?

Verwandte Themen: Gemini 4 Carbon erklärt, die besten KI-Modelle im November 2026 und wenn KI-Agenten aus dem Ruder laufen.

Quellen: OpenAI, "GPT-6 Cyber: Advancing the frontier of aligned cybersecurity agents" (5. November 2026) und die zugehörige System Card; Berichte von Fortune und TechCrunch (5. November 2026); Google DeepMind und Artificial Analysis zu Gemini 4 Carbon (28. Oktober bis 3. November 2026).

Alessandro Ecclesie AgazziGeschrieben von Alessandro Ecclesie Agazzi, Analytics Engineer in London. Aktualisiert am 9 November 2026. Über mich

War das hilfreich?

Hier erscheinen regelmäßig neue Leitfäden und Artikel zu Neuigkeiten rund um Daten und KI. Folgen Sie mir auf LinkedIn oder teilen Sie diesen Artikel mit Kollegen.