सामग्री पर जाएं
अभी

तकनीक · AI एक्सप्लॉइट परीक्षण

OpenAI ने 77% एक्सप्लॉइट स्कोर का पूर्वावलोकन दिया—लेकिन तुलना को प्रमाणित नहीं किया

बताया गया है कि अज्ञात मॉडल ExploitGym पर GPT-6 Cyber से 24.4 प्रतिशत अंक आगे है। परीक्षण की लापता शर्तें और पहुँच के नियम इस परिणाम से सुरक्षा टीमों को मिलने वाली जानकारी सीमित करते हैं।

लिखित 6 मिनट में पढ़ें · 13 स्रोत

HeyDex

मूल भाषा में वीडियो

मूल अंग्रेज़ी से अनुवादित।

OpenAI का नवीनतम साइबरसुरक्षा पूर्वावलोकन ऐसे मॉडल की ओर इशारा करता है, जो सॉफ़्टवेयर की कमजोरियों को काम करने वाले एक्सप्लॉइट में बदलने में कहीं बेहतर है। लेकिन तुलना का सबसे अहम हिस्सा अब भी गायब है: यह जानने के लिए पर्याप्त जानकारी कि क्या मॉडलों को समान परीक्षणों का सामना करना पड़ा। 77.0% का बताया गया स्कोर एक बड़ा दावा है, लेकिन अभी यह इस बात का पुनरुत्पादित किया जा सकने वाला प्रदर्शन नहीं है कि सिस्टम कितना अधिक सक्षम है।⁠1⁠2

BigGo Finance और Gizmodo Japan की रिपोर्ट के मुताबिक, OpenAI ने एक अज्ञात, अभी जारी न किए गए मॉडल का परिणाम दिखाया, जो मौजूदा साइबरसुरक्षा विशेषज्ञ GPT-6 Cyber के 52.6% स्कोर से ऊपर था। Anthropic के Mythos 5.2 के लिए लगभग 38% का परिणाम कथित तौर पर संदर्भ मूल्य के रूप में मौखिक रूप से बताया गया, चार्ट पर नहीं दिखाया गया। ये प्रस्तुत परिणामों के बारे में द्वितीयक विवरण हैं, स्वतंत्र रूप से समीक्षा किया गया मूल्यांकन नहीं।⁠1⁠2

77.0%अभी जारी न किए गए मॉडल का बताया गया ExploitGym स्कोर 12
52.6%GPT-6 Cyber का बताया गया ExploitGym स्कोर 12
~38%Mythos 5.2 का मौखिक रूप से बताया गया संदर्भ स्कोर 12

Gizmodo Japan के अनुसार, प्रस्तुति की शुरुआत में सामान्य प्रयोजन वाले GPT-6 Astra की तुलना GPT-6 Cyber से की गई। फिर उनके ऊपर अगली पीढ़ी के साइबरसुरक्षा मॉडल के लिए एक लाल रेखा दिखाई दी। इस रिपोर्ट के लिए उपलब्ध सामग्री में GPT-6 Astra का कोई संख्यात्मक परिणाम स्थापित नहीं है; 77.0% का आँकड़ा अभी जारी न किए गए सिस्टम का है, GPT-6 Cyber का नहीं।⁠2

77.0% और 52.6% के बीच का अंतर 24.4 प्रतिशत अंक है। यह 24.4% का सापेक्ष सुधार नहीं है, और इसे लगभग 25% की बढ़त कहना दो अलग-अलग मापों को गड्डमड्ड करता है। इसी तरह, Mythos के अनुमानित संदर्भ स्कोर के मुकाबले लगभग दो-से-एक का अनुपात इन्हीं विशिष्ट स्कोरों से संबंधित है। इससे यह स्थापित नहीं होता कि OpenAI का नया मॉडल सामान्य रूप से साइबरसुरक्षा में दोगुना प्रभावी है।⁠1⁠2

कार्यक्रम के समय को लेकर भी सावधानी ज़रूरी है। Gizmodo Japan अपने जापानी भाषा के विवरण में प्रस्तुति को 13 नवंबर 2026 की शुरुआती घंटों में रखता है। लिंक किए गए वीडियो का शीर्षक «Cyber at the Frontier» है, न कि उस कवरेज में इस्तेमाल किया गया उलटा शीर्षक। इसके 10 नवंबर के प्रकाशन मेटाडेटा से यह स्थापित नहीं होता कि प्रस्तुति कब हुई थी, और बेंचमार्क के अंशों की सीधे पुष्टि करने के लिए पढ़ने योग्य प्रतिलिपि उपलब्ध नहीं थी।⁠2⁠11

बग से हमले तक

ExploitGym उस कौशल की जाँच करता है जो सिर्फ़ त्रुटिपूर्ण कोड पहचानने से अधिक सीमित—और अधिक परिणामकारी—है। एजेंट को प्रोग्राम का ऐसा इनपुट दिया जाता है जो कमजोरी को सक्रिय करता है, फिर वह उसे काम करने वाले एक्सप्लॉइट में बदलने की कोशिश करता है। सफलता का अर्थ है कोई ठोस सुरक्षा प्रभाव, जैसे बिना अनुमति फ़ाइल तक पहुँचना या अनधिकृत कोड चलाना। बेंचमार्क के लेखक कमजोरी और उससे संभव होने वाले हमले के बीच अंतर बताते हैं।⁠12⁠13

यह अंतर सुरक्षा टीमों के लिए अहम है। कमजोरी ढूँढ़ने के बाद व्यावहारिक सवाल यह रह जाता है: कोई वास्तव में इसका क्या कर सकता है? एक्सप्लॉइट करके दिखाने से यह तय करने में मदद मिल सकती है कि किन सुधारों पर तुरंत ध्यान देना चाहिए। यही क्षमता हमलावर के लिए ज़रूरी काम भी कम कर सकती है। इस पूर्वावलोकन में ऐसा कुछ स्थापित नहीं होता कि किसी संगठन पर हमला हुआ; चिंता यह है कि अधिक सक्षम एक्सप्लॉइट बनाने वाला सिस्टम क्या संभव कर सकता है।⁠13

ExploitGym का मूल विवरण 11 मई 2026 को प्रीप्रिंट के रूप में जमा किया गया था और इसकी सहकर्मी समीक्षा नहीं हुई है। इसमें वास्तविक दुनिया की कमजोरियों से लिए गए 898 मामले शामिल हैं, जो सामान्य अनुप्रयोगों, Google के V8 JavaScript इंजन और Linux कर्नेल—ऑपरेटिंग सिस्टम के मूल भाग—से संबंधित हैं। शोधकर्ताओं ने मामलों पर लागू सुरक्षा उपायों में बदलाव किया और कॉन्फ़िगरेशन को पुनरुत्पादित किए जा सकने वाले सॉफ़्टवेयर कंटेनरों में पैकेज किया।⁠12⁠13

ये डिज़ाइन विकल्प महज़ गौण नहीं हैं। किसी बग के आसपास मौजूद सुरक्षा उपायों और रनटाइम स्थितियों पर एक्सप्लॉइट करना निर्भर करता है, साथ ही इस बात पर भी कि एजेंट उसके बारे में तर्क कर सकता है या नहीं। मूल मूल्यांकन में पाया गया कि एक्सप्लॉइट करना चुनौतीपूर्ण बना रहा, लेकिन अत्याधुनिक एजेंट परीक्षण की गई कमजोरियों के एक उल्लेखनीय हिस्से का फायदा उठा सके और आम तौर पर इस्तेमाल होने वाले सुरक्षा उपाय चालू होने पर भी कुछ सफलताएँ हासिल कर सके।⁠13

उस पहले के मूल्यांकन में Claude Mythos Preview और GPT-5.5 के सबसे सक्षम कॉन्फ़िगरेशन ने क्रमशः 157 और 120 काम करने वाले एक्सप्लॉइट बनाए। ये नई तुलना में शामिल मॉडलों से अलग हैं। न तो ये संख्याएँ और न ही मूल बेंचमार्क के 898 मामले नवंबर के प्रतिशतों के पीछे का हर स्थापित करते हैं। उन्हें प्रगति के चार्ट में बदलने से पहले कार्यों और परिस्थितियों का मिलान करना होगा।⁠12⁠13

व्यावहारिक दावों के लिए व्यावहारिक प्रमाण चाहिए

साथ दिए गए विवरणों में GPT-6 Cyber को Firefox की 81 पहले से अज्ञात, गंभीर स्तर की कमजोरियाँ खोजने और पैच बनाने के साथ एक ही बार में Linux की लगभग 1,000 कमजोरियों की जाँच करने का श्रेय भी दिया गया है। ये मौजूदा विशेषज्ञ मॉडल के बारे में दावे हैं, जारी न किए गए मॉडल के सत्यापित परिणाम नहीं। Linux की कमजोरियों की जाँच करने का अर्थ यह नहीं कि 1,000 नई खामियाँ खोजी गईं।⁠1⁠2

और पैच बन जाने का अर्थ यह नहीं कि मरम्मत को सत्यापित, स्वीकार या लागू कर दिया गया है। उपलब्ध रिपोर्टिंग में ऐसे संबंधित कमजोरी रिकॉर्ड या पैच के नतीजे नहीं दिए गए हैं, जिनसे सुरक्षा दल इन दावों की जाँच कर सकें। किसी प्रस्तावित समाधान को सफल मरम्मत मानने से पहले उसे इंजीनियरिंग समीक्षा और परीक्षण में खरा उतरना होता है।⁠1⁠2

OpenAI के रक्षात्मक टूल प्रदर्शन के बारे में Gizmodo Japan के अलग विवरण में मानवीय जाँच का यह चरण बताया गया है: AI बदलाव सुझाता है, कोई व्यक्ति उनकी समीक्षा करता है और सिस्टम स्वीकृत सुधार लागू करता है। यह सुरक्षा संबंधी काम तैयार करने और उसके सही होने की पुष्टि करने के बीच उपयोगी अंतर है। यह Firefox या Linux की संख्याओं की स्वतंत्र पुष्टि नहीं है।⁠4

किससे बढ़त पर भरोसा होगा

लापता मूल्यांकन विवरण केवल मॉडल के नाम तक सीमित नहीं हैं। नई तुलना में कार्यों की संख्या, बेंचमार्क का संस्करण, कमजोरियों का चयन या स्कोरिंग के नियम स्थापित नहीं किए गए हैं। यह भी स्पष्ट नहीं है कि मॉडल के सटीक कॉन्फ़िगरेशन, प्रॉम्प्ट, टूल, प्रयासों की सीमा और समय या कंप्यूट बजट क्या थे—और क्या सभी मॉडलों के लिए ये शर्तें समान थीं।⁠1⁠2

बार-बार किए गए परीक्षण और अनिश्चितता के अनुमान यह दिखाने में मदद करेंगे कि बताया गया अंतर स्थिर है या नहीं। डेटा संदूषण रोकने के उपाय यह स्थापित करने में मदद करेंगे कि परीक्षण सामग्री से पहले का परिचय प्रदर्शन को प्रभावित करता था या नहीं। इन विवरणों के बिना, बचाव योग्य निष्कर्ष यही है कि बेंचमार्क में बड़ी बढ़त की खबर दी गई है—यह नहीं कि वास्तविक दुनिया की सुरक्षा में हर स्तर पर बढ़त मापी जा चुकी है।

अज्ञात मॉडल अभी जारी नहीं किया गया है। उपलब्ध साक्ष्यों से सार्वजनिक रिलीज़ की तारीख, पहुँच नीति या विशिष्ट सुरक्षा उपाय स्थापित नहीं होते। इसलिए अगली महत्वपूर्ण घोषणा ज़रूरी नहीं कि बड़ा स्कोर हो: यह ऐसा मूल्यांकन हो सकता है जिसकी दूसरे लोग जाँच कर सकें, और साथ में ऐसी पहुँच व्यवस्था हो जो बताए कि OpenAI उस क्षमता को कैसे संभालना चाहता है, जो रक्षकों और हमलावरों—दोनों के लिए उपयोगी है।⁠1⁠2

स्रोत12

यहाँ उद्धृत स्रोतों में ギズモード・ジャパン ने सबसे पहले, इस रिपोर्ट के प्रसारण से 18 घंटे पहले प्रकाशित किया। इसके बाद 4 और समाचार संस्थानों ने प्रकाशित किया।
  1. ギズモード・ジャパン
  2. Yahoo!ニュース
  3. Google News Australia (AU:en)
  4. Geeksエンジニア＆コンカフェ経営者から学ぶ
  5. iyooo
  6. HeyDay News

बिना तारीख वाले 7 समाचार संस्थान:antenna.jpar5ivcool3c.comCuriousCatsIT業界あるあるまとめUnnamed channel

सभी स्रोत, समाचार संस्थान के अनुसार

12 समाचार माध्यमों से 13 स्रोत· सबसे ज़्यादा उद्धृत पहले

जैसा प्रसारित हुआ
  1. OpenAI previewed an unreleased AI model that turns software weaknesses into working exploits.
  2. The model reportedly scored 77.0 percent on ExploitGym, which tests whether AI can turn a supplied vulnerability into an exploit. That ability could help defenders prioritize repairs, and make attacks easier. How much stronger is it under comparable conditions, and who will get access?
  3. OpenAI's preview put an unnamed next-generation model above its existing cybersecurity specialist. The presentation first compared the general-purpose GPT-6 Astra with GPT-6 Cyber. Then a red line for the unreleased model appeared above them. The new model's 77.0 percent score is the figure driving the comparison.
  4. The presented scores were 77.0 percent for the unreleased model and 52.6 percent for GPT-6 Cyber. Anthropic's Mythos 5.2 was given an approximate 38 percent reference value verbally, separate from the displayed chart.
  5. The gap over GPT-6 Cyber is 24.4 percentage points. Calling that a 25 percent improvement would mix up two different measures. And the roughly two-to-one ratio against Mythos applies to these particular scores. It tells defenders about performance on this exploitation test, while broader cybersecurity work involves many other tasks.
  6. ExploitGym gives an agent an input that triggers a software vulnerability. The agent then tries to build a working exploit from it. Success means producing a concrete security impact, such as accessing a file without permission or running unauthorized code.
  7. A working exploit can show defenders which weakness needs fixing urgently. Finding a bug leaves a practical question about what someone could actually do with it. Demonstrating exploitation helps resolve that question. But the same capability can lower the barrier for attackers, so access controls become part of the security stakes.
  8. Subscribe to this channel as we follow the model's evaluation details and who will be allowed to use it.
  9. The original ExploitGym benchmark contained 898 instances drawn from real-world vulnerabilities. They covered ordinary applications, Google's V8 JavaScript engine, and the Linux kernel, the core of the operating system. Its description was submitted on May 11, 2026, as a preprint.
  10. Researchers varied the security protections around the vulnerable programs and packaged the configurations in reproducible software containers. Those are controlled environments that others can run again. Exploitation depends on the protections and runtime conditions surrounding a bug, as well as the agent's reasoning. The original study hasn't been peer reviewed.
  11. In that earlier evaluation, the strongest configurations produced 157 working exploits for Claude Mythos Preview and 120 for GPT-5.5. Those were different models. Comparing those counts with November's percentages would require matching the tasks and conditions first.
  12. The original 898 instances don't tell us how many tasks sit behind the new percentages. In the May evaluation, exploitation remained challenging, but frontier agents succeeded on a meaningful fraction of vulnerabilities. They also retained some success with widely used defenses enabled. That combination explains both the defensive promise and the risk.
  13. GPT-6 Cyber reportedly found 81 previously unknown, high-severity Firefox vulnerabilities. It also examined roughly 1,000 Linux vulnerabilities in one run and generated patches. Those claims concern the existing model, and examination of Linux vulnerabilities doesn't mean discovery of that many new flaws.
  14. Generating a patch still leaves engineers with work to do. They need to validate the fix before accepting and deploying it. The practical claims about GPT-6 Cyber don't come with vulnerability records or patch outcomes that would let defenders check those results. The unreleased model's stronger benchmark score also needs its own evaluation details.
  15. The new comparison leaves the test setup unclear. Defenders need to know which tasks counted, how success was scored, and whether models had equivalent tools and attempt limits. Repeated runs would help show how much the results vary.
  16. The presented figures show a substantial benchmark lead. Whether that translates into a comparable real-world defensive advantage is still unresolved. OpenAI also hasn't announced access arrangements or specific safeguards for this unnamed model. It remains unreleased, with no public release date.

अनुवाद अपडेट किया गया

हाल में प्रसारित