GPT-5.5-Cyber: बेंचमार्क स्कोर और क्षमता रेटिंग

OpenAI ने GPT-5.5-Cyber का पूर्ण संस्करण जारी किया, जो पहले केवल एक सीमित प्रीव्यू में उपलब्ध था। इसे अब विश्वसनीय डिफेंडर्स के लिए सीमित रिलीज़ में रखा गया है । साइबर सुरक्षा-विशिष्ट बेंचमार्क पर मॉडल ने बेस GPT-5.5 की तुलना में महत्वपूर्ण सुधार दिखाया:

• CyberGym: 85.6% — एक नया स्टेट-ऑफ-द-आर्ट, जबकि मानक GPT-5.5 का 81.8% और GPT-5.4 का 79.0% था ।
• Exploit Gym: 39.5% बनाम बेसलाइन का 25.95% ।
• SEC-Bench Pro: 69.8% बनाम GPT-5.5 का 63.1% ।
• AISI (UK AI Safety Institute) Expert-level कार्य: GPT-5.5 ने औसत पास दर 71.4% (±8.0%) हासिल की, जबकि पिछले मॉडल का 68.6% था ।
• सामान्य GPT-5.5 बेंचमार्क: GDPval पर 84.9% (44 व्यवसायों में एजेंट ज्ञान कार्य), OSWorld-Verified पर 78.7%, और Terminal-Bench 2.0 पर 82.7% ।

OpenAI के Preparedness Framework के तहत, GPT-5.5 को साइबर सुरक्षा क्षमता के लिए 'High' रेटिंग मिली, जो 'Critical' सीमा से नीचे है — जिसे मानव सहायता के बिना स्वायत्त रूप से जीरो-डे एक्सप्लॉइट विकसित करने की क्षमता के रूप में परिभाषित किया गया है । एक माप पर, GPT-5.5 (और Cyber वेरिएंट) ने 32-चरणीय नेटवर्क अटैक सिमुलेशन पूरा किया, जो Anthropic के Mythos के बाद ऐसा करने वाला केवल दूसरा AI है ।

Codex Security प्लगइन

OpenAI ने एक अपडेटेड Codex Security प्लगइन लॉन्च किया जो कमजोरियों की खोज, मान्यता और पैचिंग को सीधे Codex के भीतर डेवलपर वर्कफ़्लो में एम्बेड करता है । यह प्लगइन स्थैतिक विश्लेषण से आगे जाता है: यह एक खतरा मॉडल बना या अनुमान लगा सकता है, संभावित कमजोरियों की पहचान कर सकता है, यह निर्धारित कर सकता है कि प्रभावित कोड रीचेबल है या नहीं, सत्यापन साक्ष्य एकत्र कर सकता है, लक्षित पैच विकसित कर सकता है, और परिणाम को सत्यापित कर सकता है । OpenAI का कहना है कि प्लगइन में आंतरिक और ग्राहक उपयोग से सीखे गए सबक शामिल हैं ताकि मौजूदा सिस्टम में कमजोरियों को खोजने और ठीक करने में तेजी लाई जा सके, साथ ही नई कमजोरियों को प्रोडक्शन तक पहुंचने से रोकने में मदद मिल सके । मार्च 2026 के अपने रिसर्च प्रीव्यू के बाद से, Codex Security प्लगइन ने 30,000 से अधिक कोडबेस में 30 मिलियन से अधिक कमिट स्कैन किए हैं, जिनमें मानव समीक्षकों ने 70,000 से अधिक निष्कर्षों को मैन्युअल रूप से चिह्नित किया है ।

'Patch the Planet' ओपन-सोर्स कार्यक्रम: Trail of Bits के साथ साझेदारी

Patch the Planet Daybreak विस्तार के तहत केंद्रीय ओपन-सोर्स पहल है, जिसे Trail of Bits, HackerOne, और Calif के साथ साझेदारी में बनाया गया है । OpenAI इसे 'सुरक्षा निष्कर्षों से मर्ज किए गए फिक्स तक जाने में ओपन सोर्स मेंटेनरों की मदद करने का एक प्रयास' बताता है, जिसमें मानव समीक्षा केंद्र में है । यह कार्यक्रम Trail of Bits के समर्पित सुरक्षा इंजीनियरों को फंड करता है जो ओपन-सोर्स प्रोजेक्ट्स में Codex और GPT-5.5-Cyber के साथ पूर्णकालिक काम करते हैं, जिसका लक्ष्य न केवल बग ढूंढना है बल्कि मर्ज किए गए पैच लिखना और सबमिट करना भी है ।

प्रारंभिक परिणाम (पहला सप्ताह)

Trail of Bits ने 25 इंजीनियरों के साथ पांच दिवसीय ओपनिंग स्प्रिंट का आयोजन किया, जिन्होंने सीधे ओपन-सोर्स मेंटेनरों के साथ काम किया । 19 प्रोजेक्ट्स (30+ ने भागीदारी का वादा किया) पर परिणाम :

• 64 पुल रिक्वेस्ट सबमिट
• 51 इश्यू फाइल (कई और समन्वित प्रकटीकरण के अंतर्गत)
• सैकड़ों बग की पहचान
• 37 फिक्स कोडबेस में मर्ज

उल्लेखनीय निष्कर्षों के उदाहरणों में लिनक्स कर्नेल के 8 पॉइंटर-लीक प्रूफ-ऑफ-कॉन्सेप्ट, सिस्टम यूटिलिटीज़ में 24 लोकल प्रिविलेज एस्केलेशन वेक्टर, 10 से अधिक शोषण योग्य Safari कमजोरियां, Pwn2Own से पहले पैच किया गया एक Firefox WebAssembly CVE (CVE-2026-8390), और सार्वजनिक फिक्स से पहले स्वतंत्र रूप से फ्लैग किए गए चार dnsmasq CVE शामिल हैं । कवर किए गए प्रोजेक्ट्स में cURL, NATS, pyca/cryptography, Sigstore, aiohttp, Go प्रोजेक्ट, freenginx, Python और python.org, urllib3, PyPI, SimpleX, Valkey, और RustCrypt शामिल थे । Trail of Bits इंजीनियरों ने GPT-5.5-Cyber के साथ बार-बार Codex /goal रन का उपयोग करके एक सप्ताह से भी कम समय में एक संपूर्ण फ़ज़िंग लैब बनाई, जिसमें दर्जनों एंट्री पॉइंट, प्लेटफ़ॉर्म और नवीन टेस्ट सीड शामिल थे — एक ऐसा कार्य जिसे वे आमतौर पर कम से कम कई सप्ताह लगने का अनुमान लगाते हैं ।

भाग लेने वाले मेंटेनरों को OpenAI से छह महीने का ChatGPT Pro भी मिलता है, जिसमें कोडिंग, ऑटोमेशन और वर्कफ़्लो के लिए सशर्त Codex सुरक्षा पहुंच शामिल है ।

Daybreak Cyber Partner Program

OpenAI ने Daybreak Cyber Partner Program लॉन्च किया, जो एक इन्वाइट-ओनली पहल है जो सुरक्षा विक्रेताओं को अपने उत्पादों और सेवाओं में एम्बेड करने के लिए OpenAI की फ्रंटियर साइबर क्षमताओं (GPT-5.5 विथ ट्रस्टेड एक्सेस सहित) तक पहुंच प्रदान करती है । इस कार्यक्रम का उद्देश्य 'दुनिया के सॉफ्टवेयर को सुरक्षित करने के लिए अग्रणी सुरक्षा कंपनियों के लिए हमारी सर्वश्रेष्ठ साइबर क्षमताओं पर निर्मित उत्पादों को शक्ति प्रदान करना' है ।

पुष्टि किए गए लॉन्च पार्टनर

• प्रारंभिक कार्यक्रम लॉन्च पार्टनर (SiliconANGLE के अनुसार): Accenture, Cisco, CrowdStrike, IBM, Okta, Palo Alto Networks, Wiz ।
• अतिरिक्त घोषित प्रतिभागी (व्यक्तिगत प्रेस रिलीज़ से): Proofpoint , NCC Group , Darktrace , Tenable , Cato Networks , TrendAI ।

मई 2026 Daybreak लॉन्च की एक व्यापक पूर्व साझेदार सूची में Cloudflare, Oracle, Zscaler, Akamai, Fortinet, Intel, Qualys, Rapid7, Trail of Bits, SpecterOps, SentinelOne, Netskope, Snyk, Gen Digital, Semgrep, और Socket भी शामिल थे ।

प्रतिस्पर्धी तुलना: OpenAI Daybreak बनाम Anthropic का Project Glasswing और Mythos AI

यह विस्तार सीधे OpenAI के Daybreak को Anthropic के Project Glasswing और उसके Mythos AI मॉडल के खिलाफ खड़ा करता है। उपलब्ध साक्ष्यों के आधार पर, दोनों प्रयास रणनीति में भिन्न हैं और एक तरल प्रतिस्पर्धी परिदृश्य प्रस्तुत करते हैं:

• बेंचमार्क नेतृत्व परीक्षण के अनुसार भिन्न होता है: स्वतंत्र AISI Expert-level मूल्यांकन पर, GPT-5.5 ने 71.4% पास दर हासिल की, जबकि सबसे अधिक तुलनीय Anthropic मॉडल परिणाम 68.6% है, जो दर्शाता है कि GPT-5.5 उस विशिष्ट सरकारी बेंचमार्क पर आगे है । CyberGym पर, GPT-5.5-Cyber का 85.6% एक नए स्टेट-ऑफ-द-आर्ट के रूप में रिपोर्ट किया गया है । हालांकि, Anthropic का Mythos 32-चरणीय एंड-टू-एंड नेटवर्क अटैक सिमुलेशन पूरा करने वाला पहला AI था, जिसमें GPT-5.5-Cyber को दूसरे के रूप में रिपोर्ट किया गया है ।
• क्षमता सीमा में अंतर: OpenAI का GPT-5.5 स्पष्ट रूप से स्वायत्त जीरो-डे एक्सप्लॉइट विकास के लिए 'Critical' सीमा से नीचे है, जबकि Anthropic का Mythos कथित तौर पर कुछ स्वायत्त एक्सप्लॉइट-चेन कार्यों में आगे है ।
• सामरिक विचलन: OpenAI का दृष्टिकोण एक व्यापक इकोसिस्टम प्ले पर केंद्रित है: एक ओपन-सोर्स पैचिंग कार्यक्रम (Patch the Planet), एक बड़ा सुरक्षा भागीदार नेटवर्क, और एक डेवलपर-एम्बेडेड Codex Security प्लगइन जो रक्षात्मक सुरक्षा को लोकतांत्रिक बनाता है, जिसमें OpenAI इस प्रयास को 'दुनिया में हर संगठन की सुरक्षा' के रूप में तैयार करता है । Anthropic का Project Glasswing और Mythos अधिक संकीर्ण रूप से कुलीन आक्रामक-रक्षात्मक रेड-टीमिंग और स्वायत्त एक्सप्लॉइट-चेन निर्माण पर केंद्रित हैं, जो अधिक प्रतिबंधित पहुंच कार्यक्रमों के माध्यम से तैनात किए गए हैं ।

कुल मिलाकर, दोनों कंपनियां विभिन्न बेंचमार्क और क्षमता डोमेन में बढ़त का व्यापार करती हैं। OpenAI का लोकतंत्रीकरण पर जोर — ओपन-सोर्स पैचिंग, व्यापक भागीदार एकीकरण, और डेवलपर-एम्बेडेड टूल — Anthropic की अधिक नियंत्रित, कुलीन-केंद्रित तैनाती रणनीति के विपरीत है। दोनों मॉडल अपने-अपने क्षेत्रों में स्टेट-ऑफ-द-आर्ट बने हुए हैं, और प्रतिस्पर्धी गतिशीलता विकसित होती रहने की संभावना है।

GPT-5.5-Cyber: बेंचमार्क स्कोर और क्षमता रेटिंग

OpenAI ने GPT-5.5-Cyber का पूर्ण संस्करण जारी किया, जो पहले केवल एक सीमित प्रीव्यू में उपलब्ध था। इसे अब विश्वसनीय डिफेंडर्स के लिए सीमित रिलीज़ में रखा गया है । साइबर सुरक्षा-विशिष्ट बेंचमार्क पर मॉडल ने बेस GPT-5.5 की तुलना में महत्वपूर्ण सुधार दिखाया:

• CyberGym: 85.6% — एक नया स्टेट-ऑफ-द-आर्ट, जबकि मानक GPT-5.5 का 81.8% और GPT-5.4 का 79.0% था ।
• Exploit Gym: 39.5% बनाम बेसलाइन का 25.95% ।
• SEC-Bench Pro: 69.8% बनाम GPT-5.5 का 63.1% ।
• AISI (UK AI Safety Institute) Expert-level कार्य: GPT-5.5 ने औसत पास दर 71.4% (±8.0%) हासिल की, जबकि पिछले मॉडल का 68.6% था ।
• सामान्य GPT-5.5 बेंचमार्क: GDPval पर 84.9% (44 व्यवसायों में एजेंट ज्ञान कार्य), OSWorld-Verified पर 78.7%, और Terminal-Bench 2.0 पर 82.7% ।

OpenAI के Preparedness Framework के तहत, GPT-5.5 को साइबर सुरक्षा क्षमता के लिए 'High' रेटिंग मिली, जो 'Critical' सीमा से नीचे है — जिसे मानव सहायता के बिना स्वायत्त रूप से जीरो-डे एक्सप्लॉइट विकसित करने की क्षमता के रूप में परिभाषित किया गया है । एक माप पर, GPT-5.5 (और Cyber वेरिएंट) ने 32-चरणीय नेटवर्क अटैक सिमुलेशन पूरा किया, जो Anthropic के Mythos के बाद ऐसा करने वाला केवल दूसरा AI है ।

Codex Security प्लगइन

OpenAI ने एक अपडेटेड Codex Security प्लगइन लॉन्च किया जो कमजोरियों की खोज, मान्यता और पैचिंग को सीधे Codex के भीतर डेवलपर वर्कफ़्लो में एम्बेड करता है । यह प्लगइन स्थैतिक विश्लेषण से आगे जाता है: यह एक खतरा मॉडल बना या अनुमान लगा सकता है, संभावित कमजोरियों की पहचान कर सकता है, यह निर्धारित कर सकता है कि प्रभावित कोड रीचेबल है या नहीं, सत्यापन साक्ष्य एकत्र कर सकता है, लक्षित पैच विकसित कर सकता है, और परिणाम को सत्यापित कर सकता है । OpenAI का कहना है कि प्लगइन में आंतरिक और ग्राहक उपयोग से सीखे गए सबक शामिल हैं ताकि मौजूदा सिस्टम में कमजोरियों को खोजने और ठीक करने में तेजी लाई जा सके, साथ ही नई कमजोरियों को प्रोडक्शन तक पहुंचने से रोकने में मदद मिल सके । मार्च 2026 के अपने रिसर्च प्रीव्यू के बाद से, Codex Security प्लगइन ने 30,000 से अधिक कोडबेस में 30 मिलियन से अधिक कमिट स्कैन किए हैं, जिनमें मानव समीक्षकों ने 70,000 से अधिक निष्कर्षों को मैन्युअल रूप से चिह्नित किया है ।

'Patch the Planet' ओपन-सोर्स कार्यक्रम: Trail of Bits के साथ साझेदारी

Patch the Planet Daybreak विस्तार के तहत केंद्रीय ओपन-सोर्स पहल है, जिसे Trail of Bits, HackerOne, और Calif के साथ साझेदारी में बनाया गया है । OpenAI इसे 'सुरक्षा निष्कर्षों से मर्ज किए गए फिक्स तक जाने में ओपन सोर्स मेंटेनरों की मदद करने का एक प्रयास' बताता है, जिसमें मानव समीक्षा केंद्र में है । यह कार्यक्रम Trail of Bits के समर्पित सुरक्षा इंजीनियरों को फंड करता है जो ओपन-सोर्स प्रोजेक्ट्स में Codex और GPT-5.5-Cyber के साथ पूर्णकालिक काम करते हैं, जिसका लक्ष्य न केवल बग ढूंढना है बल्कि मर्ज किए गए पैच लिखना और सबमिट करना भी है ।

प्रारंभिक परिणाम (पहला सप्ताह)

Trail of Bits ने 25 इंजीनियरों के साथ पांच दिवसीय ओपनिंग स्प्रिंट का आयोजन किया, जिन्होंने सीधे ओपन-सोर्स मेंटेनरों के साथ काम किया । 19 प्रोजेक्ट्स (30+ ने भागीदारी का वादा किया) पर परिणाम :

• 64 पुल रिक्वेस्ट सबमिट
• 51 इश्यू फाइल (कई और समन्वित प्रकटीकरण के अंतर्गत)
• सैकड़ों बग की पहचान
• 37 फिक्स कोडबेस में मर्ज

उल्लेखनीय निष्कर्षों के उदाहरणों में लिनक्स कर्नेल के 8 पॉइंटर-लीक प्रूफ-ऑफ-कॉन्सेप्ट, सिस्टम यूटिलिटीज़ में 24 लोकल प्रिविलेज एस्केलेशन वेक्टर, 10 से अधिक शोषण योग्य Safari कमजोरियां, Pwn2Own से पहले पैच किया गया एक Firefox WebAssembly CVE (CVE-2026-8390), और सार्वजनिक फिक्स से पहले स्वतंत्र रूप से फ्लैग किए गए चार dnsmasq CVE शामिल हैं । कवर किए गए प्रोजेक्ट्स में cURL, NATS, pyca/cryptography, Sigstore, aiohttp, Go प्रोजेक्ट, freenginx, Python और python.org, urllib3, PyPI, SimpleX, Valkey, और RustCrypt शामिल थे । Trail of Bits इंजीनियरों ने GPT-5.5-Cyber के साथ बार-बार Codex /goal रन का उपयोग करके एक सप्ताह से भी कम समय में एक संपूर्ण फ़ज़िंग लैब बनाई, जिसमें दर्जनों एंट्री पॉइंट, प्लेटफ़ॉर्म और नवीन टेस्ट सीड शामिल थे — एक ऐसा कार्य जिसे वे आमतौर पर कम से कम कई सप्ताह लगने का अनुमान लगाते हैं ।

भाग लेने वाले मेंटेनरों को OpenAI से छह महीने का ChatGPT Pro भी मिलता है, जिसमें कोडिंग, ऑटोमेशन और वर्कफ़्लो के लिए सशर्त Codex सुरक्षा पहुंच शामिल है ।

Daybreak Cyber Partner Program

OpenAI ने Daybreak Cyber Partner Program लॉन्च किया, जो एक इन्वाइट-ओनली पहल है जो सुरक्षा विक्रेताओं को अपने उत्पादों और सेवाओं में एम्बेड करने के लिए OpenAI की फ्रंटियर साइबर क्षमताओं (GPT-5.5 विथ ट्रस्टेड एक्सेस सहित) तक पहुंच प्रदान करती है । इस कार्यक्रम का उद्देश्य 'दुनिया के सॉफ्टवेयर को सुरक्षित करने के लिए अग्रणी सुरक्षा कंपनियों के लिए हमारी सर्वश्रेष्ठ साइबर क्षमताओं पर निर्मित उत्पादों को शक्ति प्रदान करना' है ।

पुष्टि किए गए लॉन्च पार्टनर

• प्रारंभिक कार्यक्रम लॉन्च पार्टनर (SiliconANGLE के अनुसार): Accenture, Cisco, CrowdStrike, IBM, Okta, Palo Alto Networks, Wiz ।
• अतिरिक्त घोषित प्रतिभागी (व्यक्तिगत प्रेस रिलीज़ से): Proofpoint , NCC Group , Darktrace , Tenable , Cato Networks , TrendAI ।

मई 2026 Daybreak लॉन्च की एक व्यापक पूर्व साझेदार सूची में Cloudflare, Oracle, Zscaler, Akamai, Fortinet, Intel, Qualys, Rapid7, Trail of Bits, SpecterOps, SentinelOne, Netskope, Snyk, Gen Digital, Semgrep, और Socket भी शामिल थे ।

प्रतिस्पर्धी तुलना: OpenAI Daybreak बनाम Anthropic का Project Glasswing और Mythos AI

यह विस्तार सीधे OpenAI के Daybreak को Anthropic के Project Glasswing और उसके Mythos AI मॉडल के खिलाफ खड़ा करता है। उपलब्ध साक्ष्यों के आधार पर, दोनों प्रयास रणनीति में भिन्न हैं और एक तरल प्रतिस्पर्धी परिदृश्य प्रस्तुत करते हैं:

• बेंचमार्क नेतृत्व परीक्षण के अनुसार भिन्न होता है: स्वतंत्र AISI Expert-level मूल्यांकन पर, GPT-5.5 ने 71.4% पास दर हासिल की, जबकि सबसे अधिक तुलनीय Anthropic मॉडल परिणाम 68.6% है, जो दर्शाता है कि GPT-5.5 उस विशिष्ट सरकारी बेंचमार्क पर आगे है । CyberGym पर, GPT-5.5-Cyber का 85.6% एक नए स्टेट-ऑफ-द-आर्ट के रूप में रिपोर्ट किया गया है । हालांकि, Anthropic का Mythos 32-चरणीय एंड-टू-एंड नेटवर्क अटैक सिमुलेशन पूरा करने वाला पहला AI था, जिसमें GPT-5.5-Cyber को दूसरे के रूप में रिपोर्ट किया गया है ।
• क्षमता सीमा में अंतर: OpenAI का GPT-5.5 स्पष्ट रूप से स्वायत्त जीरो-डे एक्सप्लॉइट विकास के लिए 'Critical' सीमा से नीचे है, जबकि Anthropic का Mythos कथित तौर पर कुछ स्वायत्त एक्सप्लॉइट-चेन कार्यों में आगे है ।
• सामरिक विचलन: OpenAI का दृष्टिकोण एक व्यापक इकोसिस्टम प्ले पर केंद्रित है: एक ओपन-सोर्स पैचिंग कार्यक्रम (Patch the Planet), एक बड़ा सुरक्षा भागीदार नेटवर्क, और एक डेवलपर-एम्बेडेड Codex Security प्लगइन जो रक्षात्मक सुरक्षा को लोकतांत्रिक बनाता है, जिसमें OpenAI इस प्रयास को 'दुनिया में हर संगठन की सुरक्षा' के रूप में तैयार करता है । Anthropic का Project Glasswing और Mythos अधिक संकीर्ण रूप से कुलीन आक्रामक-रक्षात्मक रेड-टीमिंग और स्वायत्त एक्सप्लॉइट-चेन निर्माण पर केंद्रित हैं, जो अधिक प्रतिबंधित पहुंच कार्यक्रमों के माध्यम से तैनात किए गए हैं ।

कुल मिलाकर, दोनों कंपनियां विभिन्न बेंचमार्क और क्षमता डोमेन में बढ़त का व्यापार करती हैं। OpenAI का लोकतंत्रीकरण पर जोर — ओपन-सोर्स पैचिंग, व्यापक भागीदार एकीकरण, और डेवलपर-एम्बेडेड टूल — Anthropic की अधिक नियंत्रित, कुलीन-केंद्रित तैनाती रणनीति के विपरीत है। दोनों मॉडल अपने-अपने क्षेत्रों में स्टेट-ऑफ-द-आर्ट बने हुए हैं, और प्रतिस्पर्धी गतिशीलता विकसित होती रहने की संभावना है।