吳明宜OpenAI 於 11/04 公布 Linux 核心漏洞研究，透過 AI 建立涵蓋漏洞發現、驗證、利用可能性評估與候選修補程式生成的自動化流程。一次研究執行的 API 點數成本約 121 萬美元，成果仍須經人工審查及維護者確認。
OpenAI 表示，研究原型辨識並分析 2,308 個 Linux 核心候選問題，動態重現 1,724 個漏洞，並針對 948 個不同的本地權限提升 (local privilege escalation, LPE) 漏洞產生可運作的利用程式。這類漏洞可能讓低權限的本地使用者取得 root 權限，不等同於可從遠端直接入侵系統。
五階段流程結合人工審查
這項研究延續 OpenAI 於 2026 年 06 月公布的成果。當時 GPT-5.5 Cyber 找出 Linux 核心漏洞，並開發 24 個 LPE 漏洞利用程式，用於驗證及通報。後續團隊將研究擴展為五階段流程：
- 漏洞發現：代理辨識與安全相關的程式碼區域，尋找候選問題。
- 動態驗證：代理在隔離環境中嘗試重現問題，保存執行階段的證據。
- 利用可能性評估：代理測試已驗證漏洞是否可能導致資訊洩漏或本地權限提升。
- 修補程式生成：代理為漏洞產生候選修補程式。
- 人工審查：資安研究人員審查利用程式、修補程式及建議的嚴重程度，再向維護者通報。
研究報告原先將核心模型稱為「即將推出的資安模型」；OpenAI 於 11/05 發布 GPT-6 Cyber 時，進一步確認該模型參與這項 Linux 漏洞研究。
30 小時重現 1,724 個漏洞
OpenAI 於 2026 年 10 月中旬執行研究流程，其中動態驗證階段在 30 小時內重現 1,724 個漏洞。後續利用可能性評估產生 291 個資訊洩漏概念驗證程式，以及 1,169 個可運作的 LPE 利用程式；團隊再經變體分析，針對背後漏洞建立 948 份不同的修補程式，據此計算為 948 個不同的 LPE 漏洞。
該次研究執行的 API 點數總成本為 121 萬 3,430 美元，平均每個不同的 LPE 漏洞約 1,279 美元。這是該次研究流程的 API 成本，不代表包含人工審查等支出的完整專案成本。
OpenAI 表示，團隊抽樣分析 166 個利用程式後，依其掌握的資訊，辨識出 10 種新的 Linux 漏洞利用技術，包括兩種持久性彈性物件、兩種頁面整理 (page grooming) 技術、五種僅操作資料的技術，以及一種涉及任意型別混淆 (type confusion) 的技術。基於安全考量，報告未公開完整技術細節。
候選修補程式仍須維護者審查
OpenAI 表示，團隊依 Linux 核心社群建議，優先通報重大漏洞並提交候選修補程式，同時與 Patch the Planet 合作夥伴逐步處理其餘通報。產生修補程式不代表漏洞已在上游版本完成修補，仍須經過審查、測試與整合。
人工審查也有助於確認利用程式是否真正使用指定漏洞。 OpenAI 指出，早期一次執行回報 200 個成功提權案例，但人工檢查發現，其中 20 個實際利用了不同於指派目標的零時差漏洞。團隊因此收緊任務限制，加入獨立檢查，核對最終利用程式使用的漏洞。
GPT-6 Cyber 初期採核准存取
OpenAI 於 11/05 介紹 GPT-6 Cyber，依其 Preparedness Framework 將模型的資安能力列為「重大」(Critical) 等級。模型初期透過 API 與 Codex 提供給部分經核准的 Daybreak Red 客戶，之後逐步擴大存取；OpenAI 另為經核准的關鍵基礎設施防護團隊設立專用群組，支援授權範圍內的安全測試。
OpenAI 認為，AI 可加速漏洞發現與修補，但研究人員和維護者仍須審查、測試並反覆改善修補程式。對使用者與組織而言，持續安裝可用更新，仍是縮短漏洞可被利用時間的重要措施。