GPT‑5.3‑Codex 是我们迄今为止网络能力最强的前沿推理模型。网络安全是其中成效最为显著的领域之一，这一领域的技术进步既能实质性增强更广泛的生态系统，也可能会引入新的风险。我们已基于可在代码编辑器中自动补全几行代码的模型，成功开发出可自主运行数小时甚至数天以完成复杂任务的模型。这些功能可以通过加速漏洞发现和修复，显著增强网络防御能力。

为了充分发挥这些功能的防御潜力并降低滥用风险，我们正在试行“网络安全受信访问”：这是一套基于身份和信任的框架，旨在确保面向相应的人员交付增强的网络能力。这反映了我们在负责任地部署高效能模型方面的整体方案⁠。此外，我们承诺提供价值 1,000 万美元的 API 额度，以加速提升网络防御能力。

全球必须迅速掌握前沿网络能力，以提升软件安全性，并不断提升安全最佳实践的标准。功能强大的模型可以帮助各类组织加强安全态势，缩短响应时间并提高弹性，同时支持安全专业人员更好地检测、分析和防御最重要和最有针对性的攻击。如果专注于系统保护和预防的人员能够有效利用这些技术成果，他们就能显著提高整个生态系统的网络防御基线。

你很快就能从不同提供商处获取大量具备网络能力的模型，包括开放权重模型。我们认为，OpenAI 的模型从一开始就应强化防御能力，这一点至关重要。正因如此，我们才会启动基于信任的访问试点项目，优先将我们能力最强的模型和工具交付给防御者。

你可能很难判断某个特定网络行动的目的是用于防御，还是造成伤害。例如，“在我的代码中查找漏洞”可能是负责任修补和协调披露的组成部分，也可能被用来识别软件漏洞以侵入系统。正因为界限模糊，旨在预防伤害的限制措施通常会对善意的流程造成阻碍。我们的方案旨在减少这种障碍，同时有效防范恶意活动。

GPT‑5.3‑Codex 等前沿模型在设计时加入了缓解措施，例如通过训练模型拒绝明显的恶意请求（如窃取凭据）。除了安全培训之外，基于自动化分类器的监控程序还能检测可疑网络活动的潜在信号。在我们调整策略和分类器的过程中，从事网络安全相关工作的开发人员和安全专业人员可能会受到这些缓解措施的影响。

将模型应用于潜在的高风险网络安全任务：

这种方法旨在减少防御者的摩擦，同时防止违规行为，包括数据泄露、创建或部署恶意软件，以及破坏性或未授权的测试。我们希望根据从早期参与者处了解到的信息，逐步优化我们的缓解策略和“网络安全受信访问”。

为进一步加速我们的前沿模型在网络安全防御工作中的应用，我们承诺通过我们的“网络安全资助”项目，向团队提供价值 1,000 万美元的 API 额度。我们希望与那些在识别和修复开源软件及关键基础设施系统漏洞方面具备成熟经验的团队建立合作 — 相关团队可以点击此处⁠进行申请。