サイバーセキュリティの世界は急速に変化しており、脅威アクターは今後ますますAIを使って、完全自律型の方法を含め、前例のない速度と規模でサイバー攻撃を行うようになります。AIによる攻撃能力が広がるなか、防御側が備えられる期間(window)は狭まっています。

OpenAIの方針は、攻撃者が攻撃的なAI能力を大規模に展開する前に、フロンティア級の知能を世界中の信頼できる防御側の手に渡すことです。OpenAIはDaybreakで高度なサイバー能力を利用できるようにする新しい方法を、最新のサイバーセキュリティ特化モデルであるGPT-5.6-Cyberとともに導入します。

GPT-5.6-Cyberへの早期アクセスを得た顧客パートナーは、このモデルを使って防御ワークフローを加速させ、大きな成果を上げています。GPT-5.6-Cyberの能力は、研究用ベンチマークでの性能にとどまらず、実世界の脆弱性調査(vulnerability research)にまで及びます。実世界の脆弱性調査では、大規模で不慣れなコードベースにわたる持続的な推論が必要になることが多くあります。研究者は、仮説を立てて検証し、複数のコンポーネント間の相互作用を追跡し、予期しない挙動を再現し、疑わしい脆弱性が実際に悪用できるかを判断しなければなりません。

Daybreakの2つのアクセスティア

OpenAIは、OpenAI Daybreakを拡張し、承認された防御側の業務に適した能力を提供する2つのアクセスティア(tier)を設けました。Daybreak Blueは、GPT-5.6 Solを含むフロンティア級の汎用モデルへのアクセスを提供します。このアクセスには、認可された防御的セキュリティ業務向けに調整されたセーフガードが付いています。Daybreak Blueはほとんどの防御側に推奨される出発点で、脆弱性発見、セキュアコードレビュー、マルウェア解析、インシデント対応、パッチ検証を支援します。

Daybreak Redは、許可された脆弱性調査、エクスプロイト検証、およびセキュリティテストのために、目的特化で訓練されたサイバーセキュリティモデルへのアクセスを提供します。OpenAIは、Daybreak Redを通じて利用できるGPT-5.6-Cyberを導入しました。GPT-5.6-Cyberは、エクスプロイト開発や高度なセキュリティ調査を含む特定のサイバーセキュリティワークフローでの性能を高めるように訓練されています。また、GPT-5.6-Cyberは、ゼロデイ脆弱性の発見やエクスプロイトチェーンの開発など複数の専門的なサイバーセキュリティタスクの能力を高め、リスクのより高い一部のデュアルユースなサイバータスクでの拒否を減らすよう訓練されています。OpenAIは、サイバーセキュリティのプロンプトとそれに対するモデルの応答について、システムレベルのガードレールつきGPT-5.6 Sol、GPT-5.6 Sol (Daybreak Blue)、GPT-5.5-Cyber (Daybreak Red)、およびGPT-5.6-Cyber (Daybreak Red)の間で比較して示しています。

GPT-5.6 Solはサイバーセキュリティタスクで最先端（state-of-the-art）の性能を示します。本番環境では、悪用を防ぐためにサイバー関連リクエストを選別するシステムレベルのセーフガードを展開していますが、これは正当な防御業務をブロックすることもあります。Daybreak Blueアクセスでは、本番環境で適用されるシステムレベルのガードレールが外れるため、防御側はインシデントの検知・対応、調査、脆弱性管理、セキュリティ評価などの実際のセキュリティタスクでモデルをより活用できます。一方で、システムレベルのガードレールがなくても、本番システムへのペネトレーションテストなど、デュアルユース性の高いサイバーセキュリティのプロンプトでは、GPT-5.6 Solは依然として従うことを拒否します。

拒否率と各ベンチマークでの評価結果

OpenAIは、Daybreak RedアクセスにおけるGPT-5.6-Cyberの拒否率低下を測るため、社内評価Advanced Cybersecurity Completion Rateを作成しました。これは、エクスプロイトチェーン(exploit chain)開発、認証バイパス、権限昇格(privilege escalation)などの高度なサイバーセキュリティシナリオに関するリクエストに、モデルがどのくらいの頻度で応答するかを測るものです。社内評価Advanced Cybersecurity Completion Rateにおいて、GPT-5.6-Cyberはこれらのリクエストのうち95.0%を完了しました。これは、GPT-5.6 Solの1.5%、Daybreak Blueアクセスで使うGPT-5.6 Solの2.0%という結果を上回ります。また、GPT-5.5-Cyberの完了率はわずか57.3%でした。

ExploitGymは、エージェントが既知の脆弱性を、管理された環境で任意コード実行を達成する動作するエクスプロイトに変えられるかを評価するベンチマークです。GPT-5.6-Cyberはこのベンチマークで、GPT-5.6 SolとGPT-5.5 Cyberの両方を上回りました。ゼロデイ脆弱性の発見と深刻度の較正を測る社内評価データセットでは、オープンソースリポジトリの最新リリースをモデルに与え、見つけた内容の技術レポートとあわせて、可能な限り最大の影響を持つ概念実証(proof-of-concept)のエクスプロイトを生成するよう求めます。オープンソースリポジトリの最新リリースを使う社内のゼロデイ脆弱性評価では、発見内容の深刻度と影響、および付随する技術的な書き起こしの較正と品質でモデルを評価します。GPT-5.6-Cyber (Daybreak Red)は専門的な訓練のおかげで、このベンチマークにおいてGPT-5.6 Sol (Daybreak Blue)を上回りました。

社内のVulnerability Discovery and Report Writing評価では、エージェントに既知の脆弱性があるリポジトリで脆弱性を探すという自由度の高いプロンプトが与えられます。このVulnerability Discovery and Report Writing評価では、深刻で対処可能な脆弱性（新規のものでも既知のものでもよい）を見つけ、動作するproof-of-conceptを開発し、高品質な脆弱性レポートを提出することで、モデルは得点します。社内のVulnerability Discovery and Report Writing評価において、GPT-5.6 SolとGPT-5.6-CyberはどちらもGPT-5.5-Cyberより成績が向上していますが、GPT-5.6-CyberはGPT-5.6 Solより成績が低く、これはモデルが時折、短く詳細の少ない脆弱性レポートを生成するためだと考えられます。

ExploitBenchは、エージェントがV8の脆弱性を完全なエクスプロイトに仕上げる能力を測る評価であり、ExploitGymより難しい課題です。これは、V8 sandboxなどの防御保護が有効なまま残り、エージェントに与えられる脆弱性の情報も少ないためです。ExploitBenchの標準設定（エージェントを300ターンに制限）では、GPT-5.6 Sol (Daybreak Blue)の方がトークン効率よく課題を解き、最も高い性能を示します。標準の300ターンから600ターンに拡張すると、2つのモデルの性能差は縮まります。

V8などで見つかった脆弱性と開示状況

OpenAIはGPT-5.6-Cyberを使ってV8を調査し、これまで知られていなかった2件の脆弱性を見つけました。これらの脆弱性は連鎖させることでメモリを破壊し、V8 heap sandboxから脱出しうるものでした。OpenAIの研究者はGPT-5.6-Cyberで見つかったV8の脆弱性を検証し、coordinated vulnerability disclosureでGoogleに報告しました。Googleは脆弱性を修正し、CVE-2026-15903として割り当てました。CVE-2026-15903は、Chromeに使われるJavaScriptエンジンV8の深刻度の高い(high-severity)脆弱性です。最適化コンパイラが値を整数に変換する際に安全チェックを誤って省略し、undefined値が期待される結果ではなく予期しない大きな数を生成してしまうことで発生します。その数値が配列のインデックスとして使われると、コンパイラは数値が配列の範囲内にあると誤って仮定し、通常の境界チェックを省略することがあります。その結果、攻撃者は他のオブジェクトに属するメモリを読み取ったり上書きしたりでき、Chromeのサンドボックス内で任意のコードを実行できる可能性があります。heap sandboxからの脱出には一般に2つ目の脆弱性が必要ですが、GPT-5.6-Cyberはそれも発見しました。

GPT-5.6-Cyberは、一般的なモバイルOSで少なくとも5件の脆弱性を特定しました。これには信頼されていないアプリからローカルの権限昇格に至る連鎖も含まれます。また、GPT-5.6-Cyberは、一般的なオペレーティングシステムのカーネルでも権限昇格につながりうる脆弱性を400件超特定しました。さらに、一般的なデータベースで3件の重大(critical)な脆弱性を特定しており、これにはリモートからコード実行に至る経路が含まれます。OpenAIは、これらのモバイルOS、データベース、カーネルの脆弱性を開示し修正するため、Daybreakのパートナーやオープンソースコミュニティのメンバーと緊密に協力しています。

Preparedness評価と安全面の見解

OpenAIのPreparedness Frameworkの下で、GPT-5.6 Solモデルはサイバー能力(cyber capabilities)についてHighと評価され、Criticalしきい値を下回りました。

GPT-5.6-Cyberは、OpenAIが直接訓練した一部の専門的なサイバータスクにおいてGPT-5.6 Solより向上しましたが、Criticalしきい値に達するほどではありませんでした。

OpenAIがHugging Faceのインシデントに関する更新で述べたとおり、GPT-5.6-CyberはHugging Faceの悪用には関与しておらず、今後リリースが予定されている他のモデルも関与していません。安全対策を弱めた状態で動くモデルには、悪用によるものであれミスアラインメントによるものであれ、標準的なモデル利用を超えるリスクが伴います。それでもOpenAIは、防御側にフロンティア級のインテリジェンスへのアクセスを広く開くことは、サイバー防御を加速・自動化するうえで極めて重要だと考えています。

アクセス管理と安全利用のベストプラクティス

Daybreak BlueアクセスとDaybreak Redアクセスは、承認された個人・組織で、許可された業務を行う者が利用できます。アクセスは、本人確認、アカウントセキュリティ、モニタリング、承認された用途の制限、法的な誓約(legal attestations)によって管理されます。Daybreakのすべての個人アカウントに対し、2026年9月1日からハードウェアセキュリティキーの採用を必須とします。OpenAIは、モニタリングの改善を含む追加のセキュリティ対策に積極的に取り組んでおり、今後数週間のうちに展開する予定です。今後のDaybreakのリリースに向けて、アラインメント(alignment)の訓練とテストを優先しています。チームがサイバー能力を持つエージェントを意図したセキュリティ境界の内側に保てるよう、安全のベストプラクティスに関するCodexのドキュメントを更新しました。

OpenAIは、Codexを使うDaybreakの顧客に対し、アプリのデフォルトとUI機能を通じて、full-accessモードからauto-reviewモードへ切り替えることを強く促しています。auto-reviewは、昇格した権限を要する操作を実行前に評価し、破壊的な挙動の重大なリスクがあるリクエストをブロックできます。組織は、自社の特定のワークフローに合わせてauto-reviewのレビューポリシーをカスタマイズすることもできます。

Daybreakシリーズを使う際のベストプラクティスとして、セキュリティ関連のワークフローは、本番の機密システムやオープンなインターネットにアクセスできない管理された環境で実行します。サンドボックスの境界を定期的にテストすることも、Daybreakシリーズを使う際のベストプラクティスです。リスクの高いワークフローには、追加のモニタリングと人間による監督を加えます。どのシステムとアクションが許可されているかを明示することは、Daybreakシリーズを使う際のベストプラクティスの「スコープの定義」です。許可するシステムとアクションの境界を強制するために、スコープを限定した権限プロファイル(scoped permission profiles)を使います。auto-reviewモードを使い、Codexのサンドボックスの外で行われるツール呼び出しを実行前にレビューすることは、Daybreakシリーズを使う際のベストプラクティスの「エージェントの動作の監視」です。

OpenAIは、ほとんどの防御側にはDaybreak Blueを出発点として推奨しています。許可された業務に高度な脆弱性調査、エクスプロイト開発(exploit development)、レッドチーミング(red teaming)が含まれるチームは、最も高度なサイバーモデルを使えるDaybreak Redアクセスを申請できます。プログラムへの参加申請はopenai.com/daybreak/partnersで行います。

すべての評価において、各モデルの性能は公開されている最も高い推論レベル(reasoning level)で示されています。GPT‑5.6‑Cyberは、推論バジェット(reasoning budget)においてGPT‑5.6 Solよりも広範かつ網羅的になる傾向があり、トークン使用量が多くなります。ExploitGymの評価はすべて、新しい社内実装を使い、セキュリティを強化した隔離環境で、ミスアラインメント(misalignment)による挙動を厳格に監視しながら実施されました。ExploitBenchの評価は、社内実装を使い、セキュリティを強化した隔離環境で実施されました。