En ExploitGym, el benchmark utilizado por OpenAI para evaluar la capacidad de los modelos de IA para explotar vulnerabilidades conocidas en objetivos remotos, GPT-6 Cyber alcanzó un 48,5% de éxito, frente al 32,1% de GPT-5.6 Cyber. Una mejora de 16,4 puntos porcentuales en pocos meses.
Pero el avance no se limita a un benchmark. El nuevo modelo de OpenAI ya demostró que puede identificar vulnerabilidades, reproducirlas y construir exploits funcionales con un nivel de autonomía cada vez mayor.
La pregunta ya no es solamente qué puede encontrar la IA, sino qué sucede cuando también puede demostrar cómo explotar esas fallas.
De encontrar vulnerabilidades a explotarlas
Los resultados publicados por OpenAI muestran hasta dónde está llegando esta capacidad.
En Firefox, GPT-6 Cyber identificó y documentó 81 vulnerabilidades nuevas de severidad alta, según la evaluación de Mozilla, acompañadas de evidencia y pruebas reproducibles. Mozilla comenzó a desplegar correcciones para los problemas reportados.
En el kernel de Linux, el modelo reprodujo 1.724 vulnerabilidades y logró construir 948 exploits funcionales de escalamiento de privilegios en un entorno de investigación. Como referencia, GPT-5.6 Sol, utilizando las mismas herramientas, había conseguido 166.
No se trata de 948 vulnerabilidades nuevas, sino de la capacidad de reproducir y explotar fallas conocidas. Y esa distinción importa: la IA no solo puede señalar dónde podría existir un problema, sino también generar evidencia de que una vulnerabilidad puede ser explotada.
OpenAI clasificó a GPT-6 Cyber en el nivel Critical de ciberseguridad de su Preparedness Framework, por encima del nivel High asignado a GPT-5.6 Cyber.
El salto en capacidad es significativo. Pero también abre nuevas preguntas sobre cómo utilizar estas herramientas de manera segura.
Una IA más potente, pero no disponible para todos
A pesar de sus capacidades, GPT-6 Cyber no está disponible de forma general.
OpenAI restringió su acceso a organizaciones aprobadas dentro de Daybreak Red, su programa para equipos de seguridad autorizados. El modelo puede utilizarse mediante API y Codex, bajo condiciones específicas de acceso y uso.
La decisión busca reducir el riesgo de que capacidades ofensivas avanzadas terminen siendo utilizadas fuera de contextos autorizados.
Sin embargo, también plantea un desafío para el ecosistema de ciberseguridad: la capacidad de los modelos evoluciona rápidamente, pero su disponibilidad no es universal.
Para las organizaciones que dependen de herramientas de seguridad basadas en IA, esto introduce una pregunta relevante: ¿qué sucede con la cobertura y la profundidad del testing cuando el modelo más avanzado no está disponible para su proveedor?
La respuesta no debería depender únicamente del acceso a un modelo específico, sino de la capacidad de integrar distintas tecnologías dentro de una estrategia de seguridad consistente.
El 0,07% que también importa
La autonomía de un agente ofensivo no se mide solamente por las vulnerabilidades que logra explotar. También importa lo que decide no hacer.
OpenAI evaluó cómo GPT-6 Cyber respetaba los límites de alcance durante pruebas con servicios vulnerables que estaban explícitamente fuera del entorno autorizado.
Según su evaluación de seguridad, sin instrucciones adicionales de seguridad, el modelo evitó atacar esos servicios en el 99,93% de los casos, frente al 94,49% registrado por GPT-5.6 Cyber. Al incorporar instrucciones de seguridad, no se registraron ataques fuera del alcance durante esa evaluación.
Es una mejora importante. Pero el 0,07% restante también merece atención.
Aunque se trata de resultados obtenidos en condiciones controladas y no de una tasa de incidentes reales, el experimento demuestra por qué los controles operativos siguen siendo fundamentales.
Cuando una IA ejecuta pruebas ofensivas de manera autónoma, definir y respetar el alcance no es un detalle técnico. Es una condición esencial para operar con seguridad.
¿Qué cambia para los equipos de seguridad?
El avance de GPT-6 Cyber no significa que todas las organizaciones puedan automatizar por completo sus pruebas ofensivas. Pero sí muestra cómo está evolucionando la capacidad de los sistemas de IA para investigar y explotar vulnerabilidades.
Y esa evolución tiene implicaciones concretas.
Más capacidad de testing. Los agentes de IA pueden ampliar la cantidad de activos y escenarios evaluados, ejecutar pruebas con mayor frecuencia y generar evidencia técnica que antes requería más intervención manual.
Mayor necesidad de controles. Cuanto más autónoma es una herramienta ofensiva, más importante resulta definir qué activos puede evaluar, qué acciones tiene permitidas y cómo se supervisa y registra su actividad.
Más presión sobre la remediación. A medida que aumenta la capacidad de descubrir y validar vulnerabilidades, los equipos necesitan procesos que permitan priorizar los hallazgos, coordinar las correcciones y verificar que los problemas hayan sido resueltos.
El desafío no es simplemente incorporar modelos más potentes. Es construir una operación de seguridad capaz de aprovechar esas capacidades sin perder visibilidad ni control.
Encontrar más vulnerabilidades no significa gestionar mejor el riesgo
Hay otro dato del lanzamiento que merece atención.
Durante las pruebas sobre Linux, OpenAI desarrolló 948 exploits funcionales y reportó 304 hallazgos críticos a los mantenedores, junto con propuestas de corrección.
Pero identificar una vulnerabilidad, demostrar su explotación y corregirla son etapas diferentes.
Cada hallazgo necesita contexto. No todas las vulnerabilidades representan el mismo nivel de exposición, ni todas requieren la misma urgencia de remediación.
Por eso, a medida que la IA acelera la investigación de vulnerabilidades, también crece la importancia de contar con evidencia confiable, criterios de priorización y mecanismos para verificar las correcciones.
El valor de la seguridad ofensiva no está en la cantidad de vulnerabilidades que encuentra, sino en cuánto ayuda a reducir el riesgo real de una organización.
Tres preguntas para tu proveedor de seguridad
La evolución de modelos como GPT-6 Cyber también cambia lo que las organizaciones deberían exigir a sus proveedores de seguridad ofensiva.
- ¿De qué modelos depende tu capacidad de testing? ¿Qué sucede con la cobertura si un modelo deja de estar disponible o aparece una alternativa más avanzada?
- ¿Cómo se valida la explotabilidad de los hallazgos? ¿Qué evidencia respalda los resultados y cómo intervienen los expertos de seguridad?
- ¿Qué controles existen sobre los agentes autónomos? ¿Cómo se define el alcance de las pruebas, se supervisan las acciones y se audita cada ejecución?
Estas preguntas permiten evaluar algo más importante que el modelo utilizado: la solidez de la estrategia de seguridad que existe detrás.
El verdadero desafío no es encontrar más, sino actuar mejor
GPT-6 Cyber es otra muestra de cómo la IA está transformando la seguridad ofensiva. Lo que hace poco requería horas de investigación especializada hoy puede ejecutarse, en determinados escenarios, de forma autónoma y a una escala cada vez mayor.
Pero hay algo que no cambia: encontrar una vulnerabilidad no equivale a reducir el riesgo.
A medida que los modelos avanzan, la diferencia estará en cómo las organizaciones aprovechan esas capacidades: con pruebas recurrentes, evidencia de explotación, controles claros y procesos de remediación capaces de seguir el ritmo.
Porque el próximo salto de la IA ofensiva probablemente no tarde en llegar. La pregunta es si los equipos de seguridad estarán preparados para aprovecharlo.
