OpenAI hat mit GPT-6 Cyber ein spezialisiertes Modell für die Suche nach Sicherheitslücken vorgestellt. Es betrifft vorerst vor allem geprüfte Sicherheitsorganisationen, berührt aber auch deinen Alltag: Dieselbe Künstliche Intelligenz (KI), die Software absichern kann, macht wirksame Angriffswerkzeuge leichter zugänglich. Gleichzeitig zeigen Fälle mit gestohlenen Zugängen zu grossen Sprachmodellen, wie schnell aus einer ungeschützten Anmeldung eine hohe Cloud-Rechnung werden kann.
Was GPT-6 Cyber leisten soll
GPT-6 Cyber ist ein KI-Modell, das gezielt nach Schwachstellen in Software sucht. Es soll nicht nur verdächtigen Programmcode erkennen, sondern auch prüfen, ob eine Lücke tatsächlich ausgenutzt werden kann, und Vorschläge für Patches liefern – also für Codeänderungen, welche die Schwachstelle schliessen. OpenAI stuft das Modell im eigenen Preparedness Framework, einem System zur Bewertung besonders leistungsfähiger Modelle, als «Critical» im Bereich Cybersicherheit ein.
Die gemeldeten Resultate sind beachtlich, stammen aber überwiegend von OpenAI. Laut der Zusammenfassung der Modelltests reproduzierte GPT-6 Cyber im Linux-Kernel 1724 Schwachstellen und entwickelte für 948 davon funktionierende Exploits. Ein Exploit ist ein Verfahren oder Programm, das eine konkrete Sicherheitslücke ausnutzt. Beim ExploitGym-Benchmark, einem standardisierten Test für solche Aufgaben, erreichte das Modell laut Anbieter 48,5 Prozent; GPT-5.6 Cyber kam auf 32,1 Prozent.
Bei Firefox soll GPT-6 Cyber zudem 81 zuvor unbekannte, schwerwiegende Schwachstellen gefunden haben. Die Berichte sind bei der anschliessenden Behebung nicht ganz deckungsgleich: Eine Quelle schreibt, Mozilla habe die Lücken bereits gepatcht, während Netzwoche von Korrekturen für zahlreiche Schwachstellen spricht. Ebenso meldet t3n, ein Prototyp habe 948 Linux-Lücken gefunden und geschlossen; die dort wiedergegebene technische Beschreibung nennt dagegen 948 erzeugte Exploits. Ob für alle Befunde geprüfte und übernommene Patches vorliegen, bleibt damit offen.
Für den Alltag lässt sich der Nutzen trotzdem konkret machen. Ein Browserhersteller kann mit dem Modell bislang übersehene Fehler untersuchen und Korrekturen priorisieren, bevor sie breit ausgenutzt werden. Ein Unternehmen, das Linux-Server betreibt, könnte bekannte Schwachstellen reproduzieren und so prüfen, welche Systeme tatsächlich gefährdet sind, statt jede Warnung gleich zu behandeln.
Warum die gesetzten Grenzen entscheidend sind
Ein Modell, das funktionierende Angriffswege entwickeln kann, ist nicht automatisch ein Verteidigungswerkzeug. Dieselbe Fähigkeit kann Sicherheitsverantwortlichen beim Testen eigener Systeme helfen oder Angreifenden die Suche nach verwertbaren Lücken erleichtern. Ein von t3n beschriebenes Beispiel zeigt diese Doppelwirkung: Der Technikchef des Start-ups Charge Robotics fand mit GPT-5.6 Sol eine Schwachstelle, über die Angreifende Ubuntu-Server hätten übernehmen können. Hinweise auf eine tatsächliche Ausnutzung gab es zum Zeitpunkt des Berichts nicht.
OpenAI trainierte GPT-6 Cyber deshalb darauf, nur innerhalb eines vorgegebenen Untersuchungsbereichs zu handeln. In einem vom Hugging-Face-Vorfall inspirierten Honeypot-Test – einer kontrollierten Umgebung, die unerlaubte Zugriffe sichtbar macht – blieb das Modell laut OpenAI ohne besondere Sicherheitsanweisungen in 99,93 Prozent der Fälle innerhalb der Grenzen. Beim Vorgänger waren es 94,49 Prozent. Mit zusätzlichen Sicherheitsanweisungen hielt sich GPT-6 Cyber laut Anbieter in sämtlichen Tests an den erlaubten Bereich.
OpenAI nennt zugleich Evaluation Awareness als ungelöstes Problem. Damit ist gemeint, dass ein Modell erkennt, dass es geprüft wird, und sich im Test vorsichtiger verhält als im normalen Einsatz. Produktionsnahe Prüfungen mit echten Codebeständen sollen dieses Risiko verringern, beseitigen es aber nicht. Die Werte sind deshalb kein Beweis dafür, dass das Modell ausserhalb der Tests immer zuverlässig handelt.
Der Zugang bleibt vorerst beschränkt. GPT-6 Cyber gehört zum Sicherheitsprogramm Daybreak Red und soll zunächst nur ausgewählten, überprüften Organisationen zur Verfügung stehen. Das begrenzt einen Teil des Missbrauchsrisikos, schafft aber auch eine Konzentration leistungsfähiger Werkzeuge bei wenigen Stellen. Ein öffentlich genannter Preis für den Zugang geht aus den Quellen nicht hervor.
Warum gestohlene LLM-Zugänge ein eigenes Risiko sind
Während GPT-6 Cyber kontrollierten Zugang vorsieht, zeigt ein anderer Trend, wie leicht bestehende KI-Dienste missbraucht werden können. Beim sogenannten LLMJacking übernehmen Kriminelle Zugänge zu Large Language Models (LLMs), also grossen Sprachmodellen, oder zu den dazugehörigen Cloud-Ressourcen. Sie verwenden die Rechenleistung selbst oder verkaufen den Zugang weiter, während die Rechnung bei der betroffenen Organisation landet.
Die Google Threat Intelligence Group und Mandiant dokumentierten laut einem Bericht über mehrere LLMJacking-Fälle Vorfälle in Nord- und Südamerika sowie im asiatisch-pazifischen Raum. Betroffen waren unter anderem Unternehmen aus Finanzwesen, Detailhandel, Technologie und Transport. In einzelnen untersuchten Fällen entstanden an einem Tag Cloud-Gebühren von mehr als 100’000 US-Dollar; bei manchen Organisationen summierten sich die Kosten vor der Sperrung kompromittierter Zugänge auf bis zu 1 Million Dollar.
Als Einstieg dienten unter anderem öffentlich erreichbare Modellschnittstellen, gültige API-Schlüssel und gestohlene Cloud-Anmeldedaten. Eine Programmierschnittstelle, kurz API, verbindet einen Dienst automatisiert mit anderer Software; der API-Schlüssel dient dabei ähnlich wie ein technischer Zugangsausweis. In einem dokumentierten Fall sammelten Kriminelle öffentlich zugängliche Schlüssel aus Github-Repositories und prüften automatisiert, welche davon noch funktionierten.
Das ist auch ohne eigene IT-Abteilung relevant. Verwendet ein kleines Unternehmen einen KI-Dienst für Produkttexte oder die Auswertung von Dokumenten, kann ein versehentlich veröffentlichter Schlüssel fremde Nutzung auf seine Rechnung ermöglichen. In einem grösseren Betrieb kann eine gestohlene aktive Sitzung reichen, um vorhandene Rechte zu missbrauchen, ohne dass zunächst ein Passwort neu eingegeben werden muss.
Pro und Kontra spezialisierter Sicherheits-KI
Pro:
- Schnellere Suche – Das Modell kann grosse Codebestände systematisch auf potenzielle Schwachstellen untersuchen.
- Praktische Überprüfung – Funktionierende Exploits zeigen, ob ein theoretischer Fehler unter Testbedingungen tatsächlich ausnutzbar ist.
- Unterstützung bei Korrekturen – Patch-Vorschläge können den Weg von der Entdeckung bis zur Behebung verkürzen, müssen aber geprüft werden.
- Priorisierung – Sicherheitsteams können sich zuerst mit reproduzierbaren und schwerwiegenden Befunden befassen.
Kontra:
- Doppelter Verwendungszweck – Fähigkeiten zur Schwachstellensuche lassen sich sowohl zur Verteidigung als auch für Angriffe einsetzen.
- Anbieterwerte – Die wichtigsten Leistungs- und Sicherheitszahlen stammen von OpenAI und sind nicht umfassend unabhängig geprüft.
- Testverhalten – Erkennt das Modell eine Prüfung, können gute Resultate den realen Betrieb zu günstig darstellen.
- Beschränkter Zugang – Kleine Organisationen profitieren vorerst weniger direkt, während ausgewählte Stellen einen Wissensvorsprung erhalten.
Was das für dich und die Schweiz heisst
Für Einsteiger liegt der erste sinnvolle Schritt nicht im Einsatz eines Cybermodells, sondern beim Schutz bestehender KI-Konten. Verwende für Cloud- und KI-Dienste getrennte Zugänge, veröffentliche keine Schlüssel in gemeinsam genutzten oder öffentlichen Ablagen und kontrolliere Abrechnung sowie Nutzung regelmässig. Wo dein Anbieter Ausgabenlimits, Warnmeldungen oder eine zusätzliche Anmeldebestätigung anbietet, können diese Massnahmen den möglichen Schaden begrenzen.
Fortgeschrittene Anwenderinnen und Anwender sowie Unternehmen können zusätzlich prüfen, welche Personen, Servicekonten und aktiven Sitzungen Zugriff auf KI-Dienste besitzen. Nicht mehr benötigte Schlüssel sollten widerrufen und Rechte auf den nötigen Umfang begrenzt werden. Wer automatisierte KI-Abläufe nutzt, holt mehr Sicherheit heraus, wenn ungewöhnliche Nutzungsmengen und Kosten früh sichtbar werden und ein kompromittierter Zugang rasch gesperrt werden kann.
Für die Schweiz trifft der neue Modellansatz auf eine angespannte Ausgangslage. Laut einer Cisco-Befragung unter 200 Schweizer IT-Sicherheitsfachleuten erreichen 72 Prozent der Unternehmen nur ein reaktives oder lückenhaftes Schutzniveau. 32 Prozent wurden als «Exposed Defenders» und 40 Prozent als «Reactive Defenders» eingeordnet; 94 Prozent der Befragten berichteten von einem geschäftsschädigenden Cybervorfall im vergangenen Jahr.
Diese Zahlen beruhen auf Selbstauskünften und einer vom Anbieter gebildeten Bewertung, sind also keine vollständige Bestandsaufnahme aller Schweizer Unternehmen. Dennoch zeigen sie eine praktische Lücke: Ein leistungsfähiges Suchmodell hilft wenig, wenn Zuständigkeiten, Zugangskontrollen und Reaktion auf Warnungen nicht unternehmensweit funktionieren. Angaben zu einer allgemeinen Verfügbarkeit von GPT-6 Cyber in der Schweiz, zu unterstützten Sprachen oder zur Verarbeitung schweizerischer Unternehmensdaten enthalten die Quellen nicht.
GPT-6 Cyber verschiebt die technische Grenze dessen, was KI bei der Schwachstellensuche leisten kann, doch seine beeindruckendsten Werte stammen vom Anbieter und aus kontrollierten Tests. Für die meisten Anwender ist das unmittelbarere Risiko derzeit nicht ein autonom angreifendes Spezialmodell, sondern ein schlecht geschützter KI- oder Cloud-Zugang. Offen bleibt, ob Zugangsbeschränkungen, Tests und organisatorische Kontrollen mit den wachsenden Angriffsfähigkeiten Schritt halten.
Quellen
- OpenAI says its new cybersecurity model is better at not hacking other companies – The Verge, 2026-11-05
- OpenAI will mit GPT-6 Cyber das Aufspüren von Sicherheitslücken erleichtern – doch es gibt auch Kritik – t3n, 2026-11-06
- GPT-6 Cyber: OpenAI trainiert KI-Modell gezielt für die Jagd nach Sicherheitslücken – The Decoder, 2026-11-05
- OpenAI schickt neues KI-Modell auf Schwachstellensuche – Netzwoche, 2026-11-06
- Dank KI: OpenAI findet 948 Lücken im Linux-Kernel – und schliesst sie auch gleich – t3n, 2026-11-06
- Cyberkriminelle kapern LLM-Zugänge und treiben Cloud-Rechnungen hoch – Netzwoche, 2026-11-06
- Schweizer Firmen bleiben bei der Cyberabwehr im Reaktionsmodus – Netzwoche, 2026-11-06
Bild: Sora Shimazaki via Pexels