OpenAI 把攻防两头都包了:Daybreak 红队测你的应用,Defense Factory 替你写补丁
2026 年 11 月 12 日,OpenAI 在 Cyber at the Frontier 主题演讲上推出 Daybreak Red Team 与 Defense Factory:一个智能体团队替你渗透测试 Web 应用,另一个顺着漏洞起草补丁。但补丁永远不会自动合并,价格与效果数字也都还没公布。

2026 年 11 月 12 日,OpenAI 在“Cyber at the Frontier”主题演讲上推出了 Daybreak 平台的两款新产品:Daybreak Red Team 和 Daybreak Defense Factory。一个负责进攻,一个负责防守——Red Team 是一队 AI 智能体,替你对自己的 Web 应用做渗透测试;Defense Factory 则是另一队智能体,顺着发现的漏洞一路追到代码里,把补丁起草好交给工程师审核。OpenAI 总裁格雷格·布罗克曼(Greg Brockman)在演讲里给这套产品定了一个很直白的调子,据 The Register 转述,他说一家公司能有多安全,取决于它用来防守的前沿模型有多强。这句话既是产品主张,也是一句生意话:OpenAI 想让你相信,防守这件事,如今也要跟着最强的模型走。
这次发布值得认真看,不是因为它一下子改变了安全行业的格局——两款产品一个还在早期试用、一个还只是研究预览,普通人今天根本用不上——而是因为它把过去一周 OpenAI 讲的故事收了个尾。11 月 5 日,OpenAI 发布了 GPT-6 Cyber,一个专门找漏洞、写可利用代码(exploit)的模型,还给它打上了自家 Preparedness Framework 里最高的“Critical”网络安全评级。7 天之后,同一个能力被包进了两个能买到的产品里:模型先行,产品跟上,中间只隔了一周。对安全团队来说,真正的问题不是 OpenAI 有没有更强的攻击模型,而是这个模型变成产品之后,到底替你干了多少活、留了多少活,以及它进你的代码库之前,你得先交出什么。
这次发布了什么:一个攻,一个防
先说进攻的这一头。Daybreak Red Team 面向 Web 应用做 AI 渗透测试。按 OpenAI 产品页的说法,它是一支“协调行动的智能体团队”(a coordinated team of agents),拿着你的源代码和应用上下文,去摸清攻击路径、确认漏洞是不是真的能利用。它做三件事:第一,用源代码和应用上下文调查攻击路径、确认漏洞;第二,验证已经报上来的漏洞——不管是代码扫描器报的、漏洞赏金提交的,还是外部披露报告里的——用证据来排修复的优先级;第三,补丁打上去之后再测一遍,确认这个补丁是不是真的挡住了攻击,而且可以随着应用的变化反复评估。
这里的关键细节在第四节:控制智能体能碰什么。OpenAI 说,评估范围靠隔离环境(isolated environments)和 Guardian 审核来强制执行,由操作方决定智能体能接触哪些应用和端点。产品页的截图里能看到评估范围的配置界面:允许的测试数据改动、排除在外的系统、持续时间、审批控制,以及操作员可以选择只用合成测试数据,还是做只读检查。换句话说,OpenAI 很清楚自己在卖什么——一队被允许“攻击你”的智能体——所以它先把“怎么管住它们”摆在了台面上。Red Team 目前处于早期试用(early access)阶段,企业需要向 OpenAI 团队申请,而不是直接注册就能用。
再说防守的这一头。Daybreak Defense Factory 的定位是一句口号:“把你的安全积压变成修复”(Turn your security backlog into fixes)。它以 ChatGPT 插件的形式提供,目前是研究预览(research preview),面向 Web 和桌面端的 ChatGPT,工作区需要已有 Daybreak 访问权限。接上 GitHub 仓库之后,它的智能体可以做一次性的仓库扫描,也可以持续监控默认分支上的新提交,或者按计划定期扫描。对每一条发现——不管是它自己扫出来的,还是从 Snyk、Endor Labs、Wiz 这些现有安全工具里导入的,或是 Red Team 交过来的——智能体都会顺着代码追踪漏洞的根因,在条件允许时复现它,然后准备好带测试的补丁。工程师可以在 Codex 里接着加工这个补丁:补充上下文、查看证据、调整改动,最后决定是自己合进去,还是开一个 GitHub 草稿 PR。
两款产品之间有一条官方明确画出来的线:Red Team 交过来的发现可以直接进 Defense Factory。也就是说,OpenAI 卖的不是两个孤立的工具,而是一条闭环:同一家供应商的智能体先找出你系统里能被利用的口子,再由同一家供应商的智能体把口子补上,中间只隔着一个工程师的审核动作。这条闭环里最值得注意的恰恰是那个审核动作——按 OpenAI 的说法,补丁“永远不会自动应用”,工程师必须先审阅、测试,然后才能合并。这个承诺在 Defense Factory 的产品页上被反复强调,也是整次发布里最重要的一句安全声明。
从模型到产品,只隔了七天
要理解 Daybreak 这两款产品,得先回到 11 月 5 日的 GPT-6 Cyber。那是 OpenAI 专门为安全工作调教的模型,是 GPT-6 Astra 的网络安全特化版本。按 OpenAI 在官方博客里公布的数字,它在 ExploitGym——一个测试模型能否利用指定漏洞的基准——上得了 48.5%,比上一代 GPT-5.6 Cyber 的 32.1% 高出约 16 个百分点;在不给源代码的情况下探测 Web 应用漏洞的内部评估里,它的漏洞召回率是 40.3%,而 GPT-6 Astra 是 32.0%;在新基准 RemoteExploitBench 上,它完成了 95% 的任务,而搭载 Daybreak Blue 的 GPT-6 Astra 拒绝了全部任务。OpenAI 还说,研究人员用它复现了 1724 个 Linux 内核漏洞、为其中 948 个写出了可用的提权 exploit,并发现了 81 个此前未知的 Firefox 高危漏洞,Mozilla 已经开始为其中许多发布修复。这些数字全部来自 OpenAI 自己,没有独立的第三方复核,读的时候要把“厂商自测”这个定语一直带在身上。
但对 Daybreak 来说,更重要的一组数字在另一头:模型守不守规矩。OpenAI 在 ExploitGym Honeypot 评估里故意放了一些容易攻破的周边服务,看模型会不会越界去碰它们。GPT-6 Cyber 在不加部署安全提示的情况下,99.93% 的测试里没有碰越界服务,加上提示之后是 100%;上一代 GPT-5.6 Cyber 不加提示时是 94.49%。这个数字就是 OpenAI 敢把“攻击型智能体”卖给客户的底气所在——它要证明的不是模型能找到多少漏洞,而是模型在找漏洞的时候不会顺手去动不该动的东西。当然,这同样是 OpenAI 自己的实验室评估,不是真实客户环境里的表现。
从 11 月 5 日的模型到 11 月 12 日的产品,OpenAI 走了一条很清晰的路线:先用 GPT-6 Cyber 证明能力——948 个 Linux exploit、81 个 Firefox 漏洞、ExploitGym 48.5%——再用 Daybreak 把能力包成工作流。Daybreak 本身并不是 11 月 12 日才凭空出现的:它是 OpenAI 的网络安全项目统称,下面原来就有 Daybreak Blue 和 Daybreak Red 两个层级。Blue 面向防守性工作,包括漏洞发现、验证、修复、威胁建模和安全调查;Red 面向更深入的授权安全工作,包括红队测试、渗透测试、exploit 验证和受控安全研究,GPT-6 Cyber 最初就是只向通过审核的 Daybreak Red 客户开放的。11 月 12 日的新意在于,Daybreak 从“给通过审核的防守者提供模型”扩展成了“给安全团队提供产品”:Red Team 和 Defense Factory 是跑在这些模型之上的两套工作流,一个管找,一个管修。
同一时期 OpenAI 还在 Daybreak 的大盘子里放了更多东西:面向一线防守者的 10 亿美元补贴计划(Daybreak for Frontline Defenders),覆盖公用事业、州与地方政府、社区银行、非营利组织和开源项目;还有 Patch the Planet,由 OpenAI、Trail of Bits、Calif 和 HackerOne 一起帮开源项目验证发现、测试补丁、协调披露。这些内容出现在 Daybreak 的总页面上,说明 OpenAI 是把 Daybreak 当成一个长期的安全业务来经营的,而不只是一次发布会的两个新品。
两道关:管住攻击范围,守住合并按钮
把一队能写 exploit 的智能体请进自己的系统,任何一个安全负责人脑子里都会先冒出同一个问题:它会不会碰不该碰的东西?OpenAI 的回答分两层。第一层是产品机制:Red Team 的测试跑在隔离环境里,Guardian 审核加上操作员配置的范围控制,决定智能体能接触哪些应用和端点,能改哪些测试数据。产品页截图里展示的配置项——评估范围、允许的测试数据改动、排除系统、持续时间、审批控制——说明范围控制不是一句口号,而是要由操作员逐项配置的。第二层是模型行为:GPT-6 Cyber 在 Honeypot 评估里 99.93% 的守界率,是 OpenAI 拿来证明“模型本身会守规矩”的证据。但这里要留一个清醒的判断:实验室里的守界率不等于生产环境里的守界率,真实客户的系统比评估环境要乱得多,隔离环境和 Guardian 审核的实际效果,要等第一批早期试用客户用过之后才知道。
第二道关在防守那一头:补丁谁说了算。Defense Factory 的承诺是补丁永远不会自动应用,工程师审阅并测试之后才能合并,草稿 PR 也只是“草稿”。这个设计很关键,因为它决定了 Defense Factory 到底是个什么产品。如果补丁能自动合并,那它就是个自动修补系统,出了问题责任很难划清;如果补丁只是起草好等审核,那它本质上是个高级的分诊和起草工具——把安全团队最耗时间的“从发现到可合入的修复”这段路走完,但最后一步仍然在人手里。对安全团队来说,这个区分直接决定了你能不能放心地把它接进生产仓库:你可以先让它在非生产仓库上跑,看看它起草的补丁质量如何,再决定要不要扩大范围。OpenAI 自己也在产品描述里留了这个口子:扫描可以是一次性的,也可以是持续监控新提交或按计划执行——节奏由你定。
这两道关其实指向同一个判断:OpenAI 这次卖的不是“自动化的安全”,而是“有人把关的自动化安全”。隔离环境、Guardian 审核、人工合闸,每一个设计都在说同一句话——智能体可以跑得很快,但刹车必须在人手里。这句话在发布会的行话里很容易被当成套话,但在安全产品里,它是唯一能让客户敢把生产代码库接进来的条件。
官方没说的三件事
一篇发布通稿读下来,有三件事 OpenAI 没有说,而这三件事恰恰决定了 Daybreak 对大多数读者来说意味着什么。第一是价格。两款产品的官方页面都没有公布定价,Red Team 处于早期试用、Defense Factory 是研究预览,都没有给出全面上线的时间表。已知的计费细节只有一条,来自 OpenAI 公布的计费说明:云端扫描按 token 用量、按套餐费率计费,不包含在套餐已含的额度里;免费扫描额度不会过期。也就是说,扫描的成本是按量走的,上限在哪里、用多少算多,官方未说明。对预算敏感的团队来说,这是一个必须先问清楚再试用的问题。
第二是效果数字。OpenAI 没有公布 Red Team 的检出率、误报率,也没有公布 Defense Factory 的补丁一次合入率、补丁质量或修复成功率。发布会现场有一些很响亮的说法——据 The Register 转述,OpenAI 网络安全应用 AI 负责人南希·王(Nancy Wang)把 Red Team 形容为“超人级渗透测试,以自动化持续扫描的规模进行”——但“超人级”目前只是一个形容词,没有任何公开的、可核对的数字能把它翻译成检出率或误报率。唯一能量化的模型级数字仍然来自 11 月 5 日的 GPT-6 Cyber 系统卡:ExploitGym 48.5%、Web 渗透召回率 40.3%、Honeypot 守界率 99.93%。这些是模型的能力指标,不是产品在真实客户环境里的效果指标,两者之间隔着一整个产品的距离。
第三是门槛。Red Team 要申请早期试用,Defense Factory 要求工作区已有 Daybreak 访问权限,还要接 GitHub、配 Codex 云环境。Daybreak 的访问本身就要申请和审核,OpenAI 要核实申请人身份和用途。换句话说,今天能摸到这两款产品的,只是一小批通过审核的客户。对绝大多数读者来说,Daybreak 在 11 月 12 日的意义不是“我现在能用它”,而是“OpenAI 打算把网络安全做成一门什么样的生意”。另外值得一提的是,演讲里还预告了一个未命名的下一代网络安全专用模型,但没有公布名字、发布时间、价格或接入条件,官方未说明,本文也不展开猜。
OpenAI 到底在卖什么
把两款产品放在一起看,OpenAI 的算盘其实很清楚。它在卖一条闭环:先用 Red Team 找出你系统里真实能被利用的口子,再用 Defense Factory 把口子补上,中间的每一步都跑在它自己的模型上。传统的漏洞扫描器只能告诉你“这里可能有问题”,修不修、怎么修还是你的事;Defense Factory 想把后半段也包下来,从“发现”一路做到“可合入的补丁”。如果这条闭环跑通了,安全团队的工作就从“读报告、排优先级、写补丁”变成“审核智能体起草的补丁”,人力被释放到真正需要判断的地方。这也是 Defense Factory 的口号“把安全积压变成修复”真正想表达的意思:安全行业最大的痛点从来不是发现不了漏洞,而是发现了也修不过来。
但这条闭环也有另一面,值得用怀疑的眼光多看一眼。布罗克曼那句“一家公司能有多安全,取决于它用来防守的前沿模型有多强”,如果按字面理解,几乎是在说安全能力正在变成模型能力的函数——而模型能力掌握在少数几家供应商手里。同一家公司既提供攻击能力又提供防守能力,既卖 Red Team 又卖 Defense Factory,这在商业上很顺滑,但在安全上提出了一个老问题:当你的攻防两端都依赖同一家供应商的同一个模型家族时,你对它的依赖就从“用一个工具”变成了“用一条命脉”。这不是说 OpenAI 的产品不可信,而是说采购决策里要多算一笔账:模型供应商的锁定效应,在安全领域比在聊天机器人领域要严重得多,因为迁移成本不只是换个 API,还包括重新建立整套检测、修复和审计流程。
还有一个更实际的判断:Daybreak 的真正考验不在发布会,而在第一批客户的仓库里。Red Team 的检出率和误报率、Defense Factory 起草的补丁有多少能一次合入、扫描按 token 计费到底一个月要花多少钱,这些数字现在一个都没有。OpenAI 过去一周展示的 948 个 Linux exploit 和 81 个 Firefox 漏洞,证明的是模型在研究环境里的能力,不是产品在客户环境里的效果。两者之间的差距,就是 Daybreak 未来几个月要填的坑。等早期试用客户开始公开反馈,等 Defense Factory 的补丁合入率有了第三方统计,这次发布才算真正立住了。
如果你是安全团队,现在能做什么
对大多数安全团队来说,11 月 12 日的正确姿势不是马上申请,而是先把问题想清楚。第一,先问自己需不需要。Red Team 面向的是有 Web 应用、已有漏洞管理流程、且有专人能审核结果的团队;如果你连现有的扫描器报告都修不过来,多一个能找漏洞的智能体只会让积压更长。Defense Factory 面向的是代码库在 GitHub 上、已有 CI 流程、工程师能评审补丁的团队;如果你的仓库连基本的分支保护和代码评审都没有,智能体起草的补丁也没有地方合进去。
第二,如果决定试用,先在非生产仓库上跑。Defense Factory 支持一次性扫描,这是一个很好的起点:先扫一个非核心的仓库,看看它找出来的问题是不是真的、起草的补丁能不能通过你自己的测试、误报多不多。Red Team 同理,先拿一个有代表性的测试环境做评估,把范围控制、隔离环境和 Guardian 审核的配置摸熟,再考虑扩大到生产应用。OpenAI 自己也把扫描设计成可以按节奏来——一次性、持续监控新提交、按计划执行——这个节奏控制权在你手里,别一上来就全开。
第三,把计费问清楚再动手。云端扫描按 token 用量计费、不含在套餐额度里,这意味着扫描频率和仓库规模直接决定账单。试用之前先问 OpenAI 要一个大致的成本估算,或者先用免费扫描额度测一轮,看看一个仓库扫一遍大概消耗多少。第四,关注后续的数字。真正值得跟进的不是下一场发布会,而是第一批客户的反馈:检出率、误报率、补丁合入率、实际账单。等这些数字出现,Daybreak 是“安全行业的新范式”还是“又一个昂贵的扫描器”,自会有分晓。
OpenAI 在 11 月 12 日做的事,可以用一句话概括:它把过去一周证明过的攻击能力,包成了两款能卖给安全团队的产品。Red Team 负责找,Defense Factory 负责修,中间隔着一道人工审核的关。这条闭环的想法是对的——安全行业最缺的从来不是发现问题的能力,而是把发现变成修复的能力。但闭环跑不跑得通,不取决于发布会上的形容词,而取决于第一批客户仓库里的补丁合入率、误报率和账单。在这些数字出现之前,Daybreak 更像是一个方向正确的承诺,而不是一个已经验证的答案。
评论 (0)
原始来源
相关文章
2026 年 11 月 20 日,Thinking Machines Lab 发布 Inkling 2 Mini:26.4B 参数的循环 Transformer,中间 12 层每 token 跑三遍,整机只有约 20GB,能在笔记本上离线跑。DeepSWE 48.2%、SWE-bench Verified 79.2%,在同体量开源模型里领跑——但知识短板和监控问题也写在官方博客里。
2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。