OpenAI Daybreak: GPT‑5.6‑Cyber, immagini e benchmark
Blue e Red a confronto nei cinque grafici OpenAI: completion rate, ExploitGym, zero-day discovery, report writing ed ExploitBench.
In sintesi
OpenAI Daybreak unisce modelli cyber, Codex Security, workflow e partner per accelerare la remediation. - Daybreak Blue è il punto di partenza per difesa, secure coding e incident response - Daybreak Red aggiunge GPT‑5.6‑Cyber per ricerca e test avanzati autorizzati - I cinque grafici OpenAI mostrano completion, discovery, report writing ed ExploitBench senza un vincitore assoluto - Il caso V8 e Patch the Planet mostrano il passaggio da finding a patch, con review umana - Prezzi, SLA, endpoint OpenAI dedicati e system card Cyber non sono ancora pubblicati
La finestra di vantaggio dei difensori si sta restringendo. È questa la tesi con cui OpenAI presenta Daybreak: mettere capacità cyber di frontiera nelle mani di team verificati prima che attacchi assistiti dall’AI diventino più veloci, economici e autonomi. La risposta non è un singolo chatbot, ma un sistema che unisce modelli, Codex Security, controlli di accesso, revisione umana e partnership.
Al centro ci sono due livelli distinti. Daybreak Blue usa modelli generalisti di frontiera, incluso GPT‑5.6 Sol, per il lavoro difensivo. Daybreak Red apre a GPT‑5.6‑Cyber, modello specializzato per ricerca avanzata e autorizzata. La distinzione non è cosmetica: cambia il grado di permissività, il profilo di rischio e il tipo di organizzazione che può accedere.
Daybreak non è un SIEM e non è un semplice modello
OpenAI descrive Daybreak come una piattaforma di capacità, workflow e partnership. Il modello fornisce il ragionamento cyber; Codex Security aggiunge contesto sul repository, strumenti, validazione, patch e un’esperienza di review. Non sostituisce automaticamente SIEM, EDR, SOAR, scanner SAST/DAST o processi di incident response: può affiancarli come livello agentico che analizza, verifica e propone azioni.
Su mobile: scorri la tabella →
| Componente | Ruolo documentato | Superficie di accesso |
|---|---|---|
| Codex Security plugin | Provare il workflow, revisionare un branch o investigare un codebase | Codex |
| Codex Security Cloud | Scansioni gestite e continuative sui repository GitHub collegati | Cloud |
| Codex Security CLI | Scansioni locali e integrazione in sviluppo o CI/CD | Terminale / pipeline |
| Daybreak Blue | Difesa, secure code review, incident response, vulnerability management | Accesso approvato |
| Daybreak Red | Ricerca avanzata, exploit validation, penetration test e red teaming autorizzati | Accesso approvato con controlli rafforzati |
La pagina business dichiara oltre 30 milioni di commit analizzati, più di 30.000 codebase e oltre 500.000 finding corretti. Sono numeri pubblicati da OpenAI senza, nelle tre pagine analizzate, un protocollo indipendente completo per ricostruire conteggi, periodo e criteri di deduplicazione.
Daybreak Blue e Red: la differenza operativa
Blue è rivolto a vulnerability discovery, validazione e remediation, threat modeling, malware analysis, security investigation e risposta agli incidenti. OpenAI afferma che l’accesso Blue rimuove i guardrail di sistema applicati normalmente alle richieste cyber, pur mantenendo i rifiuti del modello per prompt fortemente dual-use.
Red aggiunge GPT‑5.6‑Cyber, costruito su GPT‑5.6 Sol e addestrato per ridurre rifiuti su attività autorizzate ad alto rischio e migliorare workflow come vulnerability research, exploit validation e red teaming. Questo non significa accesso libero: OpenAI limita Blue e Red a persone e organizzazioni approvate, con verifica dell’identità, sicurezza dell’account, monitoring, restrizioni d’uso e attestazioni legali.
Il modulo enterprise indica tre superfici: Codex tramite “Sign in with ChatGPT”, Codex tramite API e integrazione nella propria applicazione via API. OpenAI ha inoltre annunciato Daybreak su Amazon Bedrock l’11 agosto 2026: dopo l’approvazione, Blue e Red risultano accessibili dalla console Bedrock o tramite Responses API con endpoint bedrock-mantle. Non equivale a un accesso pubblico self-service: resta necessario superare Daybreak Access.
Su mobile: scorri la tabella →
| Scenario | Blue | Red | Lettura corretta |
|---|---|---|---|
| Secure code review e patch | Sì, uso principale | Possibile | Blue è il default consigliato |
| Incident detection e response | Sì | Possibile | Richiede integrazione con dati e strumenti del SOC |
| Threat modeling | Sì | Possibile | Supporto all’analista, non inventario automatico garantito |
| Exploit validation avanzata | Limitata dai rifiuti del modello | Sì, per lavoro autorizzato | Ambiente isolato e scope esplicito |
| Red team su sistemi reali | Può rifiutare | Accesso qualificato | Solo con regole d’ingaggio e autorizzazione |
Quanto cambia il tasso di completamento avanzato
Per misurare la riduzione dei rifiuti, OpenAI ha creato una valutazione interna chiamata Advanced Cybersecurity Completion Rate. Include scenari come exploit-chain development, authentication bypass e privilege escalation. GPT‑5.6‑Cyber completa il 95,0% delle richieste; GPT‑5.5‑Cyber il 57,3%; GPT‑5.6 Sol con Daybreak Blue il 2,0%; Sol con safeguard standard l’1,5%.
È soprattutto una misura di disponibilità a rispondere, non una misura autonoma di correttezza, sicurezza o successo operativo. Inoltre è un’eval interna del vendor. L’aumento di completion rate è proprio ciò che rende il sistema utile a ricercatori autorizzati, ma anche ciò che richiede accesso selettivo e controlli più forti.
Sui benchmark tecnici il quadro non è “Red vince sempre”. Nel payload OpenAI, GPT‑5.6‑Cyber supera Sol su ExploitGym e zero-day discovery, ma Sol ottiene risultati migliori nella scrittura di report e in ExploitBench a 300 turni. A 600 turni, Blue e Red convergono quasi.
Su mobile: scorri la tabella →
| Eval OpenAI | GPT‑5.6 Sol Blue | GPT‑5.6‑Cyber Red | GPT‑5.5‑Cyber Red | Nota |
|---|---|---|---|---|
| Advanced completion rate | 2,0% | 95,0% | 57,3% | Risposta a richieste cyber avanzate; non accuracy |
| ExploitGym, intended vulnerability | 30,84% | 32,11% | 21,17% | Implementazione interna, ambiente isolato |
| Zero-Day Discovery Eval | 15,82% | 24,52% | 17,52% | Dataset interno su repository open source |
| Vulnerability Discovery & Report Writing | 17,91% | 14,47% | 11,77% | Sol Blue supera Cyber Red |
| ExploitBench, 300 turni | 76,52% | 73,02% | 73,93% | Sol è più efficiente nello standard |
| ExploitBench, 600 turni | 84,60% | 84,45% | 81,40% | Il divario Blue/Red quasi scompare |
Tutte le percentuali derivano dai grafici serializzati nella pagina OpenAI. Il vendor usa il massimo livello pubblico di reasoning; segnala inoltre che GPT‑5.6‑Cyber tende a usare più token. ExploitGym ed ExploitBench sono eseguiti su implementazioni interne, in ambienti isolati e monitorati: non sono una replica Velthub.
Completion rate: la disponibilità a completare la richiesta
Grafico dettagliato: su mobile scorri orizzontalmente →
Il salto al 95,0% di GPT‑5.6‑Cyber è il dato più evidente, ma va letto insieme alla natura della metrica: indica quante richieste avanzate il modello porta a termine. Non certifica che la risposta sia corretta, sicura o pronta per la produzione.
ExploitGym: vulnerabilità intenzionale
Grafico dettagliato: su mobile scorri orizzontalmente →
Su ExploitGym GPT‑5.6‑Cyber raggiunge il 32,1%, di poco sopra GPT‑5.6 Sol al 30,8%; GPT‑5.5‑Cyber si ferma al 21,2%. Qui la specializzazione non produce un distacco enorme dal modello generalista Blue.
Zero-Day Discovery Eval
Grafico dettagliato: su mobile scorri orizzontalmente →
Nella Zero-Day Discovery Eval GPT‑5.6‑Cyber sale al 24,5%, contro il 17,5% di GPT‑5.5‑Cyber e il 15,8% di GPT‑5.6 Sol. È il benchmark in cui Red mostra il vantaggio più netto sulla discovery, pur restando lontano da una copertura completa.
Discovery e scrittura del report
Grafico dettagliato: su mobile scorri orizzontalmente →
Nel task che combina discovery e report writing, GPT‑5.6 Sol ottiene il 17,9%, GPT‑5.6‑Cyber il 14,5% e GPT‑5.5‑Cyber l’11,8%. È una correzione importante alla narrativa lineare: Red non supera Blue in ogni scenario.
ExploitBench: l’effetto del budget di turni
Grafico dettagliato: su mobile scorri orizzontalmente →
A 600 turni GPT‑5.6‑Cyber e GPT‑5.6 Sol convergono intorno all’84,5%; GPT‑5.5‑Cyber raggiunge l’81,4%. Il risultato suggerisce che il budget agentico può contare quanto la specializzazione del checkpoint, soprattutto nei task lunghi.
Il segnale esterno: GPT‑5.6 Sol nel test UK AISI
La pagina Daybreak riporta che GPT‑5.6 Sol ha completato la simulazione “The Last Ones”, composta da 32 passaggi, in 7 tentativi su 10, contro 2 su 10 per GPT‑5.5. Il grafico AISI offre un riferimento esterno al laboratorio OpenAI, ma misura Sol, non il modello Cyber, e la performance dipende fortemente dal budget di token visualizzato sull’asse logaritmico.
Dal finding alla patch: il vero collo di bottiglia
La parte più interessante di Daybreak non è trovare più alert. OpenAI insiste sul ciclo completo: comprendere la superficie d’attacco, riprodurre il problema in isolamento, stabilire reachability e impatto, produrre evidenza, sviluppare una patch mirata, eseguire test e restituire una modifica revisionabile. È la risposta a un problema concreto dei SOC e dei maintainer: un finding non validato aumenta il backlog, non la sicurezza.
Per un’azienda, il pilot dovrebbe quindi misurare indicatori end-to-end: percentuale di finding confermati, falsi positivi, tempo fino alla patch, test superati, regressioni, interventi umani e patch realmente accettate. Confrontare soltanto il numero di vulnerabilità individuate favorisce sistemi rumorosi.
V8: due vulnerabilità e una disclosure coordinata
OpenAI afferma di aver usato GPT‑5.6‑Cyber per individuare due vulnerabilità V8 precedentemente sconosciute, concatenabili per corrompere memoria ed evadere l’heap sandbox. I ricercatori hanno validato i risultati e avviato disclosure coordinata con Google. La prima è stata corretta e identificata come CVE‑2026‑15903; la seconda risultava ancora sotto disclosure nella pagina del 10 agosto.
L’annuncio cita inoltre almeno cinque vulnerabilità in un sistema operativo mobile, tre vulnerabilità critiche in un database e oltre 400 problemi di privilege escalation in un kernel. OpenAI non nomina i prodotti perché il lavoro di remediation e disclosure è ancora in corso: questi numeri devono essere letti come claim del vendor, non come advisory utilizzabili oggi per valutare esposizione o patch.
Patch the Planet: l’AI incontra la review umana
Con Trail of Bits, OpenAI porta il modello nel programma Patch the Planet. La pagina Daybreak dichiara 17 milioni di dollari tra crediti API e supporto diretto, 41 codebase sotto revisione, 858 issue identificate, 263 patch prodotte e 143 accettate upstream. La pagina Trail of Bits, aggiornata separatamente, mostra conteggi più recenti e quindi non perfettamente sovrapponibili: 50 codebase, 1.268 issue, 298 patch scritte e 175 accettate.
La differenza temporale è un buon promemoria: questi sono contatori dinamici. Il valore del programma è nel modello operativo — una settimana di revisione dedicata, patch incluse e maintainer in controllo — non in una fotografia numerica destinata a cambiare.
Accesso, sandbox e controlli
OpenAI raccomanda Blue come punto di partenza. Red è per team il cui lavoro autorizzato include exploit development, ricerca avanzata o red teaming. Per gli account individuali Daybreak, le chiavi hardware diventano obbligatorie dal 1° settembre 2026.
- Isolamento: eseguire i workflow in sandbox senza accesso a sistemi produttivi sensibili o internet aperto e testare regolarmente i confini.
- Auto-review: preferire la modalità che valuta le azioni con permessi elevati e può bloccare comportamenti distruttivi.
- Scope: definire sistemi e azioni autorizzati e applicare profili di permesso limitati.
- Osservabilità: monitorare tool call, egress, modifiche e risultati; aggiungere supervisione umana al crescere del rischio.
- Policy gestite: le organizzazioni possono personalizzare le regole di review tramite configurazione enterprise.
Nel Preparedness Framework di OpenAI, GPT‑5.6 Sol e GPT‑5.6‑Cyber sono classificati High per capacità cyber ma sotto la soglia Critical. Una system card specifica per GPT‑5.6‑Cyber è promessa “in seguito”: al momento dell’annuncio non è ancora disponibile.
Cosa non sappiamo ancora
- Prezzi: nessun listino pubblico verificabile per Blue, Red o GPT‑5.6‑Cyber.
- SLA e supporto: non sono pubblicati tempi di risposta, disponibilità garantita o livelli di servizio.
- API: l’accesso via API è documentato per organizzazioni approvate e su Bedrock, ma non risultano endpoint OpenAI pubblici, rate limit o condizioni self-service specifiche per GPT‑5.6‑Cyber.
- Regioni e capacità: non risultano limiti geografici, rate limit o quote pubbliche specifiche per Daybreak.
- System card: annunciata ma non ancora pubblicata; mancano quindi ulteriori eval e dettagli di mitigazione promessi.
- Privacy del programma: le pagine analizzate non definiscono retention, training sui dati o Zero Data Retention specifici di Daybreak; vanno verificati nel contratto e nella configurazione applicabile.
La valutazione di Velthub
Valutazione editoriale preliminare: 8,0/10. Daybreak affronta il problema corretto: non moltiplicare i finding, ma chiudere il ciclo fino a patch e disclosure. La separazione Blue/Red, i controlli di accesso e il programma con Trail of Bits indicano un disegno più maturo di un semplice “modello per hacker”.
Il voto non deriva da un test hands-on Velthub. I benchmark principali sono interni, GPT‑5.6‑Cyber non domina ogni eval e mancano system card, prezzi, SLA e dettagli commerciali. Per un’impresa la decisione deve passare da un pilot autorizzato, isolato e misurato contro il workflow attuale, non da una classifica.
Domande frequenti
Daybreak è già disponibile?
Sì, ma non come servizio aperto indiscriminatamente. Blue e Red sono disponibili a persone e organizzazioni approvate; Codex Security copre i workflow difensivi più comuni e l’accesso avanzato richiede candidatura.
Qual è la differenza tra Blue e Red?
Blue usa modelli generalisti di frontiera per difesa, analisi e remediation. Red aggiunge modelli purpose-trained come GPT‑5.6‑Cyber per ricerca, exploit validation e red teaming avanzati sotto autorizzazione e controlli rafforzati.
Daybreak sostituisce SIEM, EDR o SOAR?
No. Le fonti lo presentano come capacità agentica da integrare nei workflow. Telemetria, detection, containment, case management e approvazioni restano responsabilità dello stack e del team.
Quanto costa?
OpenAI non pubblica nelle pagine analizzate prezzi per Blue, Red o GPT‑5.6‑Cyber. Il costo va richiesto al team commerciale e valutato insieme a quote, supporto e requisiti contrattuali.
È sicuro usare Daybreak su sistemi di produzione?
OpenAI raccomanda sandbox, isolamento, auto-review, scope esplicito, profili di permesso e supervisione. Qualunque attività su produzione richiede autorizzazione formale, regole d’ingaggio e controlli tecnici adeguati.
https://velthub.ai/blog/openai-daybreak-gpt-5-6-cyber-grafici-benchmark