OpenAI 公布自主漏洞挖掘流水线：用未发布的网络安全模型一次跑出 948 个 Linux 内核提权漏洞并生成补丁，API 成本 121 万美元

背景与行业痛点

前沿模型让漏洞发现越来越容易规模化，但真正的瓶颈是验证和排序：成千上万的候选发现，人工根本审不过来。OpenAI 6 月在 Patch the Planet 计划中曾用 GPT-5.5 Cyber 做出 24 个 Linux 内核本地提权（LPE）利用，这次把它扩展成一条完整流水线，并在 11 月 4 日的官方文章中公布结果。

架构亮点与底层机制

流水线以一款即将推出的网络安全模型为核心，分五步：Scout 智能体先挑出低权限可达、与安全相关的代码，共 5,034 个审计目标、约 280 万行，约占内核 7%；Analyst 智能体扫描出 2,308 个候选；分诊智能体在带 KASAN 的隔离虚拟机里复现；ExploitDev 智能体在开启 SMEP、SMAP、KASLR 的标准发行版配置上尝试利用；最后生成补丁，并由人工安全研究员审核后提交维护者。

权威 Benchmark 与实测跑分对比

据官方数据，10 月中旬这轮复现 1,724 个漏洞，产出 291 个信息泄露 PoC 和 948 个不同 LPE，总 API 成本 1,213,430 美元，约每个 1,279 美元。7 月用 GPT-5.6 Sol 跑同一流程只得到 166 个 LPE，成本 513,690 美元。在加固的 kernelCTF 环境中得到 21 个 LPE，成本约 32,936 美元；作为对比，2026 年至今 kernelCTF 共接收 26 个已确认 0day LPE。

开发者实战落地与开箱指南

OpenAI 已按内核社区建议先发出数百份严重漏洞报告与补丁，其余通过 Patch the Planet 伙伴陆续提交；扫描期间维护者已修复 61 个、另有 43 个在 staging。官方建议：及时更新内核；把「未打补丁系统上的低权限账号」视同 root；用 Firecracker、gVisor 等沙箱做纵深防御；模型升级后重新扫描旧代码。该网络安全模型尚未公开发布。