أعلنت OpenAI يوم 5 نوفمبر 2026 إطلاق GPT-6 Cyber، وهو نموذج متخصص في أبحاث الأمن السيبراني يستهدف مساعدة الفرق الدفاعية على اكتشاف الثغرات الأمنية والتحقق من إمكانية استغلالها والمشاركة في إعداد الإصلاحات. ولا تقتصر أهمية الإعلان على تقديم نموذج أقوى في الاختبارات، بل تمتد إلى نتائج فعلية قالت الشركة إنها حققتها خلال مراجعة مشروعات برمجية واسعة الانتشار، بينها متصفح Firefox ونواة نظام Linux. وفي الوقت الذي تثير فيه مثل هذه القدرات أسئلة جدية بشأن إساءة الاستخدام، تحاول الشركة الجمع بين أدوات أمنية أكثر تقدمًا وضوابط تحدد ما يُسمح للنموذج بفعله.
يأتي GPT-6 Cyber بعد سلسلة من التحسينات التي أدخلتها OpenAI على نماذجها العامة والمتخصصة، لكنه ليس مجرد نسخة جديدة من المساعد الذي يستخدمه الجمهور في المحادثات اليومية. فقد صُمم للتعامل مع مهام أمنية تحتاج إلى قراءة شيفرات ضخمة، وربط مؤشرات متفرقة، واختبار الفرضيات داخل بيئات مصرح بها، ثم تقديم نتائج قابلة للمراجعة من الباحثين. ووفق الإعلان الرسمي، حقق النموذج تقدمًا ملحوظًا مقارنة بـGPT-5.6 Cyber في عدة اختبارات، مع تحسين قدرته على عدم الخروج عن نطاق المهمة المحددة له.
الإجابة السريعة
GPT-6 Cyber نموذج أمن سيبراني جديد من OpenAI، حقق 48.5% في اختبار ExploitGym مقابل 32.1% لسابقه GPT-5.6 Cyber، وساعد في اكتشاف 81 ثغرة عالية الخطورة في Firefox وتطوير استغلالات عملية لـ948 ثغرة في Linux. لا يتوفر النموذج بصورة عامة لكل مستخدمي ChatGPT؛ إذ بدأ طرحه لمجموعة معتمدة ضمن برنامج Daybreak Red.
ما الذي يميز GPT-6 Cyber عن نماذج البرمجة المعتادة؟
كثير من نماذج الذكاء الاصطناعي تستطيع شرح تقرير أمني أو مراجعة جزء من الشيفرة بحثًا عن خطأ واضح، لكن التحدي الحقيقي يبدأ عندما تكون الثغرة مخفية وسط مكونات متعددة وتتطلب فهمًا طويل المدى لكيفية عمل النظام. هنا تراهن OpenAI على أن GPT-6 Cyber قادر على مواصلة التحقيق عبر خطوات متتابعة، وتجميع أدلة متفرقة، ثم تقديم اختبار عملي يوضح وجود مشكلة فعلية بدل الاكتفاء بالقول إن سطرًا معينًا يبدو مشبوهًا. هذا النوع من العمل يحتاج عادة إلى فرق متخصصة وخبرة في التحقق من النتائج، ولا يمكن الاعتماد فيه على إجابة لغوية مجردة.
وتشرح الشركة أن GPT-6 Cyber يستطيع المساهمة في ثلاث مراحل مترابطة: العثور على الثغرة، والتحقق من أثرها باستخدام بيئة اختبار مسموح بها، والمساعدة في تطوير تصحيح يعالج السبب لا العرض فقط. والفرق بين هذه المراحل مهم؛ فوجود خلل برمجي لا يعني تلقائيًا أن استغلاله ممكن، كما أن إثبات إمكانية الاستغلال لا يعني أن الإصلاح المقترح آمن أو مناسب للإصدار النهائي. ولهذا تبقى مراجعة الخبراء والاختبارات المتكررة والتنسيق مع القائمين على صيانة البرمجيات عناصر أساسية في دورة الاستجابة.
ويرتبط هذا التقدم بتغير أوسع في دور أدوات الذكاء الاصطناعي داخل الأمن السيبراني. فبدل استخدام النموذج للإجابة عن أسئلة متفرقة، يجري توظيفه بوصفه وكيلًا يعمل ضمن مسار بحثي محدد وأدوات واختبارات وحدود واضحة. ويمكن أن يتيح ذلك لفرق صغيرة تحليل مشروعات أكبر مما كانت تستطيع التعامل معه سابقًا، لكنه في الوقت نفسه يرفع أهمية الرقابة على ما ينفذه النموذج بالفعل، لا الاكتفاء بقراءة النص النهائي الذي يعرضه.
نتائج الاختبارات: تحسن ملحوظ ولكن لكل معيار معناه
في اختبار ExploitGym الذي يقيس قدرة النماذج على استغلال ثغرة محددة في هدف اختبار، سجل GPT-6 Cyber نتيجة 48.5% مقابل 32.1% لنموذج GPT-5.6 Cyber. هذا يعادل زيادة قدرها 16.4 نقطة مئوية، أو تحسنًا نسبيًا يقارب 51%. والتمييز بين النسبة المئوية والنقاط المئوية هنا ضروري: لا يعني الرقم أن النموذج نجح في كل الاختبارات أو أن قدرته على اختراق أي نظام حقيقي ارتفعت بمقدار ثابت، بل يعبر عن أداء مجموعة مهام محددة ضمن طريقة تقييم معلنة.
واختبرت OpenAI كذلك القدرة على اكتشاف ثغرات تطبيقات ويب دون إتاحة الشيفرة المصدرية للنموذج، وهي مهمة أقرب إلى بعض ظروف الاختبارات الخارجية. في ذلك التقييم، سجل النموذج معدل استرجاع للثغرات بلغ 40.3% مقابل 32.0% لنموذج GPT-6 Astra. أما معيار RemoteExploitBench فاستُخدم لقياس العمل على ثغرات معروفة داخل تطبيقات منشورة في بيئات معزولة، وأفادت الشركة أن GPT-6 Cyber أكمل 95% من المهام في إعداد التجربة المعلن. لا يصح تعميم هذه الأرقام على المواقع الحية أو اعتبارها ضمانًا للنجاح في أي اختبار اختراق.
تعكس الاختبارات أن التحسن لا يتعلق بسرعة توليد الأكواد فقط، بل بقدرة النموذج على متابعة سلسلة من القرارات التقنية وفهم أين يفشل التنفيذ وكيف يعيد التقييم. ومع ذلك، تختلف صعوبة الثغرات الواقعية باختلاف بنية النظام ووجود طبقات الحماية وطبيعة الوصول المتاح، كما أن الأدوات والموارد التي يحصل عليها الباحث أثناء الاختبار تؤثر في النتيجة. لذلك يجب قراءة أرقام GPT-6 Cyber على أنها دلائل أداء قابلة للمقارنة ضمن شروط منشورة، وليست وعدًا بكشف نسبة مماثلة من ثغرات أي مؤسسة.
| المؤشر | النتيجة | ماذا تقيس؟ |
|---|---|---|
| ExploitGym | 48.5% مقابل 32.1% | اختبار استغلال ثغرة محددة |
| اكتشاف ثغرات الويب | 40.3% مقابل 32.0% لـAstra | معدل استرجاع الثغرات دون الشيفرة |
| Firefox | 81 ثغرة جديدة عالية الخطورة | نتائج بحثية أُبلغت إلى Mozilla |
| Linux | 948 استغلالًا عمليًا | ثغرات تصعيد صلاحيات تم اختبارها |
ماذا حدث فعليًا في Firefox ونواة Linux؟
أبرز ما في الإعلان أن النتائج لم تبق داخل المعايير الاصطناعية. تقول OpenAI إن الباحثين الذين استعانوا بالنموذج اكتشفوا 81 ثغرة جديدة صنفتها Mozilla بأنها عالية الخطورة في Firefox، رغم أن المتصفح خضع بالفعل لاختبارات مكثفة بأدوات ونماذج متقدمة. كذلك ساعد النموذج في إظهار أن 30 مشكلة معروفة سابقًا كانت أشد خطورة من تقديراتها السابقة. وقد نُقلت النتائج إلى Mozilla مع اختبارات قابلة لإعادة الإنتاج ومقترحات لإصلاحات برمجية، وأفادت الشركة بأن إصلاحات للعديد من المشكلات بدأت تصل بالفعل إلى المستخدمين.
في نواة Linux، أوضحت OpenAI أن GPT-6 Cyber شارك في إعادة إنتاج 1724 ثغرة، وتمكن الباحثون باستخدامه من تطوير استغلالات عملية لـ948 منها. وتختلف هذه الأرقام عن عدد الثغرات المكتشفة لأول مرة؛ فإعادة إنتاج مشكلة معروفة والتحقق من قابليتها للاستغلال عملان مهمان، لكنهما ليسا مرادفين لاكتشاف ثغرة صفرية جديدة. وذكرت الشركة أيضًا أنها أفصحت عن 304 نتائج حرجة إلى القائمين على الصيانة مع تصحيحات مرشحة، بينما يتواصل العمل على معالجة مشكلات أخرى.
الأهمية العملية لهذه التجارب أن اكتشاف الثغرة لا ينتهي عند إعداد تقرير نظري. يستطيع الباحثون الاستفادة من الأدلة الناتجة للتحقق من خطورة الخلل وتحديد أولوية إصلاحه، فيما يتمكن القائمون على صيانة البرمجيات من اختبار التصحيح المقترح قبل دمجه. لكن وجود استغلال عملي يعني أيضًا أن التعامل مع المعلومات يحتاج إلى إفصاح منسق وسرعة مناسبة في الإصلاح. ولذلك ينبغي للمؤسسات ألا تفسر إعلان GPT-6 Cyber على أنه دعوة لإجراء اختبارات عشوائية على أنظمة لا تملك تصريحًا بفحصها.
وهذا التطور يتصل بما نشرناه سابقًا في سوالف سوفت عن وصول قدرات OpenAI Astra إلى المستوى السيبراني الحرج. الفرق أن الخبر السابق تناول انتقال النماذج العامة إلى مستوى جديد من القدرة الأمنية، بينما يقدم GPT-6 Cyber نتائج أوضح في مراجعة مشروعات فعلية وتقييمات إضافية للالتزام بنطاق العمل المصرح به.
لماذا يشدد الإعلان على الالتزام بنطاق الاختبارات؟
يمنح العمل الأمني المشروع الباحثين صلاحية اختبار أهداف معينة ضمن شروط واضحة، وقد تكون هناك خدمات أخرى متصلة بالشبكة يسهل الوصول إليها لكنها لا تدخل ضمن الإذن الممنوح. إذا تجاهل وكيل ذكاء اصطناعي هذه الحدود فقد يتحول اختبار مشروع إلى فعل غير مصرح به حتى لو كان هدف المستخدم الأصلي دفاعيًا. لذلك خصصت OpenAI تدريبًا واختبارات لقياس قدرة GPT-6 Cyber على رفض المسارات الخارجة عن نطاق المهمة، وليس فقط مدى كفاءته في اكتشاف الأخطاء البرمجية.
في اختبار ExploitGym Honeypot، وضعت الشركة أمام النموذج خدمات إضافية يسهل استغلالها لكنها خارج نطاق الهدف الأساسي. ووفق النتائج الرسمية، تجنب GPT-6 Cyber استغلال تلك الخدمات في 99.93% من الحالات دون تعليمات الأمان الخاصة بالنشر، وبلغت النسبة 100% عند إضافة تلك التعليمات في إعداد الاختبار نفسه. وتقارن الشركة ذلك بنسبة 94.49% لنموذج GPT-5.6 Cyber دون التعليمات. هذه نتائج قوية داخل التقييم، لكنها لا تبرر الادعاء بأن أي وكيل ذكاء اصطناعي أصبح معصومًا من تجاوز الحدود في كل الظروف الواقعية.
وصنفت OpenAI قدرات GPT-6 Cyber في الأمن السيبراني ضمن فئة Critical في إطار Preparedness Framework، وهو تصنيف يعكس ارتفاع مستوى الإمكانات التي يمكن للنموذج تحقيقها باستخدام الأدوات المناسبة. وليس المقصود بهذا التصنيف أن النموذج برنامج خبيث أو أن كل استخدام له خطير بطبيعته. التحدي هو أن المهارات نفسها التي تساعد الباحث على إثبات وجود ثغرة قد يستفيد منها مهاجم يريد استغلالها، ولذلك تصبح شروط الوصول والرقابة والتقييم المستمر جزءًا من المنتج نفسه.
من يمكنه استخدام GPT-6 Cyber الآن؟
أوضحت OpenAI أن GPT-6 Cyber متاح مبدئيًا عبر API وCodex لمجموعة مختارة من العملاء المعتمدين ضمن Daybreak Red، مع نية توسيع الإتاحة تدريجيًا إلى بقية العملاء المؤهلين. ويختلف ذلك عن ظهور نموذج جديد في قائمة ChatGPT للمستخدمين عمومًا؛ فالوصول إلى قدرات اختبار الاختراق المتقدمة يمر عبر اعتماد مؤسسي وضوابط إضافية. وفي المقابل، تتيح الشركة مسارات دفاعية أخرى من خلال Daybreak Blue، كما تتوفر قدرات مراجعة الشيفرة وتحليل الثغرات في نماذج عامة بدرجات وصول مختلفة.
وترتبط القيود بطبيعة الاستخدام المقصود. فرق الاستجابة للحوادث، وصيانة البرمجيات مفتوحة المصدر، واختبارات الاختراق المصرح بها، جميعها تحتاج إلى أدوات دقيقة يمكن تتبع إجراءاتها. أما إتاحة قدرات هجومية متقدمة دون تحقق من هوية الجهة أو حدود الاختبار فتخلق مخاطر مباشرة. لذلك تتضمن الضوابط مراقبة الأنشطة ذات الخطورة العالية، والتحقق من قيود الوصول، والعمل في بيئات معزولة كلما كانت المهمة حساسة، إلى جانب إشراف بشري على القرارات المؤثرة.
- الباحثون المعتمدون: يمكنهم الاستفادة من قدرات متقدمة ضمن Daybreak Red وفق شروط الإتاحة.
- فرق التطوير: تستفيد من مراجعة الشيفرة والتحقق من التقارير ومقترحات التصحيح.
- المؤسسات الحساسة: تحتاج إلى حدود صلاحيات واضحة وتسجيل العمليات وموافقة على الاختبارات.
- المستخدم العادي: لا ينبغي أن يتوقع وصول النموذج المتخصص تلقائيًا إلى حساب ChatGPT.
ماذا يعني هذا التطور للشركات ومشروعات البرمجيات مفتوحة المصدر؟
أكثر المستفيدين المحتملين من هذا الاتجاه هم القائمون على صيانة قواعد شيفرة ضخمة يصعب تغطيتها بالمراجعة اليدوية وحدها. فإذا ساعد GPT-6 Cyber على اكتشاف خطأ حقيقي ثم إنتاج اختبار يثبت وجوده، يصبح من الممكن ترتيب الإصلاحات بناءً على خطر قابل للتحقق بدل الاعتماد على إنذارات كثيرة قد تكون غير دقيقة. ومع ذلك، لا تلغي الأدوات الجديدة الحاجة إلى مراجعة التغييرات البرمجية، لأن تصحيح ثغرة قد يؤثر في وظائف أخرى أو يفتح مشكلة مختلفة إذا لم يخضع للاختبار.
بالنسبة للشركات التي تطور تطبيقات ويب أو إضافات أو أنظمة داخلية، يتزايد أيضًا دور الممارسات الأمنية الأساسية: تقليل الصلاحيات، وتحديث الاعتماديات، وإجراء اختبارات قبل النشر، ومتابعة الإفصاحات الأمنية، والاحتفاظ بنسخ احتياطية قابلة للاستعادة. لا يحتاج كل مشروع إلى أقوى نموذج متخصص كي يرفع مستوى أمانه؛ فالكثير من المخاطر تبدأ بأخطاء إعداد أو مكونات مهملة أو حسابات غير محمية جيدًا. قيمة GPT-6 Cyber هي توسيع نطاق ما يمكن للخبراء فحصه في الحالات المعقدة، لا استبدال إجراءات الحماية اليومية.
والسؤال الأهم في المرحلة المقبلة لن يكون فقط كم ثغرة يستطيع النموذج اكتشافها، بل مدى قدرة المؤسسات على إصلاحها قبل أن تتحول إلى حوادث فعلية. فالذكاء الاصطناعي يمكنه تسريع البحث الأمني ورفع وتيرة الإفصاح عن المشكلات، لكن ذلك قد يزيد الضغط على فرق الصيانة الصغيرة التي تحتاج إلى وقت وموارد لاختبار التصحيحات وإصدارها. ومن هنا تبدو جهود دعم المدافعين ومطوري المصادر المفتوحة وتوسيع الوصول المنضبط إلى أدوات البحث جزءًا لا يقل أهمية عن أرقام الأداء المنشورة.
يمكن الاطلاع على التفاصيل الكاملة في الإعلان الرسمي من OpenAI وبطاقة النظام والتقييمات، إلى جانب التقرير التقني عن ثغرات Linux. هذه الوثائق تتيح فهم منهجية الاختبار وحدود النتائج بدل قراءة الأرقام خارج سياقها.
لا يسمح بنقل هذا المحتوى من سوالف دون الاشارة برابط مباشر
