OpenAI ประกาศว่า GPT 5.6 คว้าแชมป์ใน benchmark ตรวจหาช่องโหว่ความปลอดภัยใน pull request โดยใช้ต้นทุนต่อรายการ (cost per PR) ต่ำกว่า 10% และมี F1 score สูงกว่า 15% เมื่อเทียบกับโมเดลชั้นนำอย่าง Grok 4.5 และ Claude Opus 4.8 งานวิจัยระบุว่าโมเดลของ Anthropic ไม่สามารถเข้าถึงระดับ benchmark ที่กำหนดได้ ในขณะที่ Google's Gemini ทำได้ใกล้เคียงกับ GPT 5.6 แต่ยังต่ำกว่า 5% ผลการทดสอบใช้ชุดข้อมูลจำลองจากช่องโหว่จริง 10,000 รายการ ซึ่งแสดงให้เห็นว่าการอัปเกรดวิธีการฝึกสอนของ OpenAI ช่วยให้ GPT 5.6 จัดการ multi-file refactor ได้แม่นยำขึ้น 20% ทั้งนี้การทดสอบเน้นเฉพาะ pull request ที่มีการเพิ่มโค้ดใหม่ ไม่ใช่การสแกนฐานข้อมูลทั้งหมด ทำให้โมเดลเช่น Fable 5 ที่มีต้นทุนสูงกว่า แต่ประสิทธิภาพต่ำกว่า GPT 5.6 อย่างชัดเจน การทดสอบดำเนินการโดยใช้ Dam Secure Vulnerability Scanner บนชุดข้อมูล 10 pull request ที่มีช่องโหว่การควบคุมการเข้าถึง (IDOR, missing auth) ซ้ำ 5 ครั้งต่อโมเดล ผลลัพธ์แสดงให้เห็นว่า GPT 5.6 สามารถค้นพบช่องโหว่ได้ดีกว่าทั้งในแง่ความแม่นยำ (recall) และการลด false positive ทั้งนี้ งานวิจัยยังระบุว่าการทดสอบใช้ชุดข้อมูลสังเคราะห์และเป็นส่วนตัว เพื่อป้องกันการฝึกสอนโมเดลโดยไม่ตั้งใจ ซึ่งอาจส่งผลต่อประสิทธิภาพในงานจริง
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว