先看证据
从代码筛选到补丁审核，五步串起漏洞研究
OpenAI 在 2026 年 11 月公布了一条覆盖漏洞发现、动态验证、可利用性评估和补丁生成的研究流水线。Scout 智能体先筛选值得审计的内核代码；Analyst 智能体扫描并去重候选问题；验证阶段在隔离环境中尝试复现，并保留运行时证据；之后评估漏洞是否能造成信息泄露或本地提权（LPE）；最后生成候选补丁，由安全研究员审核后向维护者报告。每项结果还会打包根因分析、最小崩溃 PoC、候选补丁和完整利用，供研究员判断严重程度并推进修复。
10 月中旬的一次运行中，Scout 选出 5,034 个审计目标，覆盖约 280 万行代码，约占 Linux 内核代码的 7%。Analyst 阶段耗时 12 小时，产出 2,308 个去重后的候选发现；接下来的动态复现阶段耗时 30 小时，复现了 1,724 个漏洞，约为候选项的 74.7%。报告称，未能复现的项目多涉及权限要求、难以触发的条件或复杂竞争条件；约 3.1% 被归为模型分析错误。
产出和成本：948 个 LPE，单个约 1,279 美元
OpenAI 报告称，这次运行生成了 948 个独特的本地提权漏洞利用，以及 291 个信息泄露漏洞的 PoC。两类结果对应不同的安全影响，不能把 291 个信息泄露 PoC 算进 LPE 数量。报告还区分了可工作的利用和去重后的独特漏洞：前者数量更多，经变体分析后，OpenAI 将 948 作为独特 LPE 的统计数。公开页面没有提供逐项清单，外部读者无法据此逐条核验去重过程。
整次运行的 API 成本为 1,213,430 美元，按 948 个独特 LPE 平均约为每个 1,279 美元。OpenAI 将这一结果与历史悬赏作假设性对照：Pwn2Own 和 TyphoonPWN 曾为 Linux 内核 LPE 提供 20,000 至 70,000 美元的奖励；若把这些金额套用于 948 个漏洞，估值约为 1,890 万至 6,630 万美元，是流水线成本的约 16 至 55 倍。这不是实际奖金或已确认的市场价值。在适配后的 kernelCTF 环境中，流水线花费 32,936 美元生成 25 个信息泄露 PoC 和 21 个 LPE；若这些漏洞被项目接受，预计奖金约 150 万美元，约为扫描成本的 45 倍。
测试配置有边界，模型仍发现新利用技术
OpenAI 表示，目标虚拟机运行的是常规桌面操作系统，并采用与 Pwn2Own、TyphoonPWN 等网络安全竞赛相同的威胁模型，而非刻意削弱防护的目标。报告称，相关测试是在特定目标配置下进行的，因此不能据此断言这些利用在所有 Linux 发行版和配置上都有效。OpenAI 还报告，流水线中的智能体发现并使用了至少 10 种此前未见的 Linux 利用技术。
OpenAI 将这次运行与 2026 年 7 月使用 GPT-5.6 Sol 的扫描作了比较：新模型在 10 月中旬发现的独特 LPE 数量超过前一次的 5 倍，尽管两次扫描之间内核经历了三个月的加固。这个比较来自 OpenAI 自己的两次运行，不是独立评测。它支持的判断是，更强的模型可能在已有代码中找到更复杂、潜藏更久的缺陷；大型软件项目或许需要随着模型迭代，反复扫描并修复，而不是指望一次检查就找尽所有问题。
发现速度之外，还有审核和修复的队列
生成候选补丁不等于漏洞已经修复。报告称，模型早期生成的补丁有时过长、偏离内核代码惯例，或没有覆盖攻击变体；补丁需要研究员审核和迭代，再交给维护者评估。公开资料没有说明 948 个候选补丁中有多少已被上游接受、合并或部署。OpenAI 还提醒，报告的 API 成本对应本次模型、目标配置和工作流，并非优化后的最低成本。
扫描和分析持续的 10 天内，OpenAI 观察到 61 个 Linux LPE 已修复、43 个有暂存补丁，另有 299 个正被公开报告或讨论；报告没有称这些项目都由本次流水线发现。这个情况说明，漏洞发现规模变大后，验证、排序、维护者审核和部署都会影响风险窗口。对防守方而言，自动化补丁生成需要与人工审查和上游修复流程配合；沙箱和 Firecracker、gVisor 等隔离措施，也有助于限制漏洞被利用后的影响范围。