OpenAI 在其官方博客发布题为「A thousand fewer paths to root」的文章，披露了一条自动化安全研究流水线的运行结果：在受控研究环境中，该流水线识别并分析了 2,308 个候选 Linux 内核漏洞发现，动态复现了 1,724 个，最终生成了 948 个可让无特权本地用户获得 root 权限的本地提权（LPE）利用。这些利用被用于漏洞优先级排序，并为 Linux 内核维护者开发了候选补丁。

要点一：五阶段流水线的筛选漏斗与各环节成本

OpenAI 在文中将这条原型流水线拆为五个阶段：漏洞发现、动态验证、可利用性评估、补丁生成和人类审查，核心驱动力是一个尚未发布的 cyber 模型。

据 OpenAI，漏洞发现阶段又分两步。Scout agents 先从 Linux 内核超过四千万行代码中筛选出 5,034 个高价值审计目标，约 280 万行代码，占整个代码库约 7%，该步骤花费 3,426 美元 API 费用。随后 Analyst agents 在 12 小时内对这些目标进行分析，去重后产出 2,308 个候选发现，该步骤花费 316,549 美元。

OpenAI 称，动态验证阶段在 30 小时内完成，1,724 个候选被成功复现，复现率约 74.7%。仅 3.1% 的未复现候选反映了模型的错误分析，其余多因需要提升权限、竞态条件难以触发等原因未能在时间预算内复现。该阶段花费 73,330 美元。

据 OpenAI，可利用性评估阶段中，ExploitDev agents 在启用了 SMEP、SMAP、KASLR 和 HARDENED_USERCOPY 等标准 Linux 发行版保护的隔离虚拟机中测试漏洞。最终产出 1,169 个 LPE 利用和 291 个信息泄露概念验证。随后通过变体分析为这些利用背后的漏洞开发了 948 个不同的补丁，并以补丁数量作为唯一 LPE 数量的口径。利用开发步骤花费 775,929 美元 API 费用（初始筛选代理另花费 44,194 美元），其中成功利用的平均成本为 359 美元，而失败尝试的平均成本高达 3,922 美元。OpenAI 明确表示研究重点在方法论和模型能力度量而非成本优化，所报告的成本”more an upper bound”。

要点二：948 这个数字的口径、披露路径与维护者响应

948 并非直接等于 948 个独立漏洞被利用的次数。OpenAI 在文中写明，ExploitDev agents 实际产出了 1,169 个 LPE 利用，随后团队进行了变体分析并开发出 948 个不同的补丁，”We use that number to determine the overall number of unique LPEs”。

OpenAI 介绍，在披露方面，团队遵循了 Linux 内核社区的指导，从严重漏洞开始报告，并与 Patch the Planet 合作伙伴协同推进后续报告与补丁。扫描基于 2026 年 10 月中旬的最新 Linux 内核，自动化扫描和人工分析在 10 天内完成后，已有 61 个 LPE 被上游修补、43 个有暂存补丁、299 个正在被公开报告和讨论。

此外，OpenAI 在文中披露了一个早期运行中的验证问题：200 个被标记为成功的 LPE 利用中，有 20 个实际上是通过另一个零日漏洞而非被分配的漏洞获得了 root 权限。团队随后收紧了任务约束并增加了独立检查，确认每个最终利用使用的是其被分配的漏洞。

要点三：模型代际提升与新型利用技术

OpenAI 在文中提供了两次扫描的对比数据。2026 年 7 月下旬，GPT-5.6 Sol 发现并利用了 166 个唯一 LPE 漏洞，端到端 API 成本为 513,690 美元。2026 年 10 月中旬，更新的 cyber 模型发现并利用了 948 个唯一 LPE 漏洞，端到端成本为 1,213,430 美元。两次扫描均针对当时最新的 Linux 内核主分支。

在利用技术层面，OpenAI 称其分析认为 agents 在抽样的 166 个利用中使用了 10 种新型利用技术，并将这些技术分享给了第三方内核利用专家，”the techniques were new to them as well”。这 10 种技术包括两种新的持久弹性对象用于在目标内核缓存中喷射对象、两种新的页面整理技术、五种新的纯数据技术以及一种任意类型混淆技术。OpenAI 以安全原因为由未公开完整技术细节。

OpenAI 还在文中描述了模型能力与编排复杂度之间的关系。GPT-5.5 Cyber 在 63 个利用候选上的成功率从 76.2% 提升到 88.9%，依赖于团队为其准备的 103 种技术库和额外编排。而 GPT-5.6 Cyber 在移除这些额外编排后，表现已优于重编排的 GPT-5.5 Cyber；为 GPT-5.6 Cyber 加回技术库仅带来 1.5 个百分点的边际提升。

一个疑问：kernelCTF 对比中的配置差异是否影响结论

OpenAI 在文中将流水线与 Google 的 kernelCTF 漏洞奖励计划进行了对比测试，称在 kernelCTF 环境下获得了 25 个信息泄露概念验证和 21 个 LPE 利用，总耗时 112 小时、API 成本约 32,936 美元，并将 21 个 LPE 与 kernelCTF 在 2026 年接受的 26 个已确认零日 LPE 利用进行了数量对比。OpenAI 同时提到，流水线运行的内核版本与 kernelCTF 的 SLAB_VIRTUAL 缓解措施不兼容，因此”dropped it from the config”。

这里的疑问是：移除 SLAB_VIRTUAL 这一缓解措施后的测试结果，在多大程度上可以与启用了该措施的 kernelCTF 正式环境下的人类提交记录进行对比？OpenAI 在文中明确写了配置不兼容并移除了该措施，也写了 kernelCTF 的目标是”a hardened Linux kernel with reduced attack surfaces”，但未说明 SLAB_VIRTUAL 的移除对利用成功率可能产生的影响，也未说明 21 个利用中有多少依赖于该措施被禁用才能成功。这使得文中”approximately 45x the cost”的投入产出比计算以及与 kernelCTF 人类提交数量的并列对比缺少一个关键的可比性前提。

主题分类：AI安全

参考资料

  1. A thousand fewer paths to root — OpenAI, 2026-11-04