OpenAI lanza GPT-6 Cyber, una IA capaz de encontrar y explotar vulnerabilidades
OpenAI ha lanzado GPT-6 Cyber, una versión especializada de GPT-6 Astra diseñada para investigar vulnerabilidades, desarrollar exploits y comprobar correcciones en entornos autorizados. Su capacidad es tan elevada que la compañía la clasifica en el nivel «crítico» de ciberseguridad de su marco de preparación. Sin embargo, no aparecerá como una opción más para cualquier usuario de ChatGPT: el acceso está restringido a profesionales y organizaciones verificadas.

Qué es GPT-6 Cyber
El modelo parte de GPT-6 Astra, pero ha recibido un entrenamiento posterior específico para ciberseguridad. Puede revisar grandes bases de código, localizar errores, reproducir un fallo, construir una prueba de concepto y ayudar a preparar el parche. La diferencia frente a un asistente de programación convencional está en que puede mantener investigaciones largas y encadenar tareas ofensivas dentro de un laboratorio controlado.
Entre sus aplicaciones defensivas están la auditoría de software antes de publicarlo, la investigación de un aviso recibido por una empresa, la validación de si una corrección elimina realmente el problema y las pruebas de penetración contratadas por el propietario de un sistema. También puede clasificar grandes cantidades de código para que el equipo humano concentre su tiempo en las rutas con mayor probabilidad de contener un fallo grave.
Según el anuncio de OpenAI en español, GPT-6 Cyber obtuvo un 48,5 % en ExploitGym, una prueba que exige explotar una vulnerabilidad especificada en un objetivo remoto. GPT-5.6 Cyber alcanzaba el 32,1 %. En otra evaluación sin acceso al código de las aplicaciones web, el nuevo modelo detectó el 40,3 % de los fallos, frente al 32 % de GPT-6 Astra.
Casi mil exploits para Linux y 81 fallos graves en Firefox
Los resultados más llamativos proceden de software real. Los investigadores utilizaron el modelo para desarrollar 948 exploits de escalada de privilegios en Linux. Es decir, técnicas capaces de convertir un acceso limitado en permisos de administrador dentro de los sistemas analizados. También descubrió 81 vulnerabilidades graves que no se conocían en Firefox, pese a que el navegador ya había sido revisado intensamente con herramientas tradicionales y otros modelos.
Axios detalló en inglés que el sistema identificó inicialmente 1.724 posibles fallos en Linux y logró aprovechar 948 de ellos, con un gasto aproximado de 1,2 millones de dólares en créditos de API. Al menos diez técnicas eran desconocidas. Investigadores humanos revisaron los hallazgos antes de comunicarlos y proponer correcciones, un paso esencial para no dejar información peligrosa expuesta.

Por qué OpenAI lo considera crítico
La etiqueta «crítico» no significa que GPT-6 Cyber vaya a atacar por su cuenta ni que pueda entrar en cualquier sistema. Indica que ha alcanzado capacidades que, utilizadas de forma irresponsable, podrían facilitar operaciones informáticas de alto impacto. El mismo conocimiento que permite confirmar un fallo antes de corregirlo también puede servir para explotarlo.
Las pruebas externas ofrecen un matiz importante. El modelo resolvió al menos una vez los once escenarios ofensivos de larga duración de CyScenarioBench, pero en FrontierCyber completó 90 de 288 desafíos y no superó ninguno de los quince más difíciles. Es una herramienta formidable, no una llave universal. La verdadera preocupación es la escala: automatizar miles de intentos puede reducir mucho el tiempo y el personal necesarios para encontrar una vía de entrada.
Acceso restringido mediante Daybreak Red
GPT-6 Cyber se ofrece a través de Daybreak Red, el nivel de acceso para trabajos avanzados como el desarrollo de exploits y las pruebas remotas autorizadas. OpenAI exige verificación de identidad, inicio de sesión único, autenticación multifactor y una lista de direcciones IP permitidas. También supervisa patrones de uso sospechosos y puede suspender credenciales.
No basta, por tanto, con conocer el identificador del modelo o disponer de una cuenta de pago. La organización y el proyecto de API deben recibir una aprobación específica. Además, OpenAI recomienda revisar cada acción sensible propuesta por el agente, mantener registros de auditoría, separar las redes de prueba de los sistemas de producción y detener el flujo cuando el alcance de la autorización resulte ambiguo.
El precio estándar es elevado: 20 dólares por millón de tokens de entrada y 100 dólares por millón de salida, con una ventana de contexto de 1,05 millones de tokens. Permite analizar repositorios extensos, aunque una investigación prolongada puede acumular una factura importante. La automatización a gran escala todavía está lejos de ser gratuita.
Una parte central del entrenamiento busca que el agente no se salga del objetivo autorizado. En una prueba con servicios vulnerables colocados como señuelo, evitó atacarlos en el 99,93 % de los intentos incluso sin las instrucciones de seguridad del despliegue. Con ellas, respetó el alcance en el 100 %. Son cifras internas y no eliminan el riesgo, pero muestran que la alineación se ha tratado como una capacidad técnica medible.
La vigilancia no se limita a una petición aislada. Los controles pueden relacionar varias interacciones para detectar una campaña que, vista paso a paso, parecería inocua. Este enfoque reduce parte del riesgo de fragmentar una operación peligrosa en muchas consultas, aunque abre preguntas sobre privacidad, falsos positivos y dependencia de los mecanismos de revisión de OpenAI.
Una carrera entre encontrar y corregir
Como contamos al analizar el lanzamiento de GPT-6 Astra, OpenAI ya había alcanzado el umbral crítico en ciberseguridad. La novedad es ofrecer ahora una variante preparada expresamente para profesionales que necesitan menos rechazos al investigar fallos legítimos.
El reto es que estas capacidades acabarán extendiéndose a modelos más baratos y abiertos. Los defensores disponen de una ventaja temporal para revisar software esencial antes de que herramientas similares lleguen a actores maliciosos. GPT-6 Cyber puede reforzar Internet, pero también confirma que el descubrimiento automatizado de vulnerabilidades ha entrado en una etapa nueva. La cuestión ya no es si la IA encontrará fallos, sino si las organizaciones podrán corregirlos con la misma rapidez.
