メインコンテンツへスキップ
見出し画像

GPT-6 Cyber、Gemini 4 Carbon、Claude Mythos 5.2。3社が競う「サイバーセキュリティAI」を比較

    脆弱性の発見から攻撃の再現、修正まで。3社の最新モデルから考えるサイバーセキュリティの最前線。

    AIはコードを書く側から脆弱性を見つける側へ

    2026年10月から11月にかけて、OpenAI、Google、Anthropicの3社が、サイバーセキュリティ分野で高い能力を持つAIモデルを相次いで発表した。

    • 10月28日:Google「Gemini 4 Carbon」

    • 11月5日:OpenAI「GPT-6 Cyber」

    • 11月9日:Anthropic「Claude Mythos 5.2」

    いずれも、ソースコードから脆弱性を発見するだけでなく、攻撃が実際に成立するかを検証し、修正につなげる高度な能力を持っている。

    これまでAI駆動開発の話題といえば、いかに速く、正確にコードを書くかが中心だった。

    しかし、今回の3社の発表を見ていると、競争の領域が変わりつつあるように感じる。

    AIが作ったシステムの弱点をAIが発見し、攻撃を再現し、修正する。

    そんな開発プロセスが、いよいよ現実味を帯びてきた。

    今回は3社の最新モデルを紹介・比較しながら、サイバーセキュリティの世界にどのような変化が起きようとしているのかを考えてみたい。

    ※本記事は2026年11月10日時点の各社公式発表をもとにまとめている。

    1. OpenAI「GPT-6 Cyber」──攻撃の成立まで検証するセキュリティ特化AI

    2026年11月5日、OpenAIが発表したのが「GPT-6 Cyber」だ。

    GPT-6 Astraをベースに、サイバーセキュリティ分野に特化した追加学習を行ったモデルである。

    特徴は、脆弱性の発見だけでは終わらないことだ。

    発見した脆弱性が実際に悪用できるのかを検証し、再現手順や修正案の作成まで支援する。

    OpenAIが発表した性能評価には、興味深い数字が並んでいる。

    • ExploitGym:48.5%(GPT-5.6 Cyberは32.1%)

    • Firefox:未知の高深刻度脆弱性81件を発見

    • Linuxカーネル:1,724件の脆弱性を再現し、そのうち948件で攻撃コードの動作を確認

    ExploitGymは、指定された脆弱性に対して、実際に攻撃を成立させられるかを測定するベンチマークだ。

    従来モデルから成功率が相対的に約51%向上している。

    さらに興味深いのは、AIが調査対象の範囲を守る能力も強化されていることだ。

    セキュリティ検証では、許可されたシステム以外にアクセスしないことが重要になる。GPT-6 Cyberは、そうした制約を守るための学習にも力を入れている。

    ただし、強力な攻撃能力を持つことから、一般ユーザーには開放されていない。

    現在は、OpenAIの「Daybreak Red」で承認された研究者や組織に対して、APIやCodexを通じて限定提供されている。

    2. Google「Gemini 4 Carbon」──汎用AIが実現する高度なセキュリティ検証

    2026年10月28日、Googleが発表したのが「Gemini 4 Carbon」だ。

    GPT-6 Cyberと異なり、Carbonはセキュリティだけに特化したモデルではない。

    高度な推論、コーディング、長時間のエージェント作業などを得意とする、Gemini 4シリーズの最上位モデルである。

    その中でも、Googleが特に強調しているのがサイバーセキュリティ能力だ。

    Google DeepMindの公表値では、次のような結果が示されている。

    評価項目Gemini 4 ArgonGemini 4 CarbonSEC-bench Pro(脆弱性発見)83.4%88.2%ExploitGym(攻撃検証)42.0%54.8%CWE-bench(脆弱性修正)68.0%71.0%

    いずれの評価でも、先行モデルのArgonを上回っている。

    ここで注目したいのは、脆弱性を発見するだけでなく、攻撃検証と修正でも性能が向上していることだ。

    また、GoogleはCarbonが数日間にわたる複雑なエンジニアリング作業にも対応できるとしている。

    これは、単発のセキュリティ診断にとどまらず、調査から修正までの一連の作業をAIエージェントに任せる可能性を感じさせる。

    ただし、現時点では一般の開発者が自由に利用できるわけではない。

    まず一部のサイバー防御組織に提供し、「Fairwind Program」を通じて対象を拡大する方針だ。

    一般向けの提供日については、まだ具体的な発表がない。

    3. Anthropic「Claude Mythos 5.2」──脆弱性を発見し、修正するClaudeの進化

    2026年11月9日、Anthropicは「Claude Mythos 5.2」を発表した。

    この発表には、少し特徴がある。

    Anthropicは同時に「Claude Fable 5.2」も発表しているのだが、実はこの2つは同じ基盤モデルを使用している。

    違いは、安全対策による利用制限だ。

    Fable 5.2は一般ユーザーにも提供される一方、危険性の高いサイバーセキュリティ関連の操作には制限が設けられている。

    Mythos 5.2は、審査を通過したセキュリティ専門家や研究機関が、より高度な検証に利用できるモデルとなっている。

    Anthropicの公式発表によると、Mythos 5.2は過去のモデルと比べて、脆弱性の発見、再現、修正能力が向上している。

    既知の脆弱性を再発見できるかを測定する「CVE Rediscovery」では、

    • Claude Opus 5.5より10.2%多くの脆弱性を発見

    • Claude Mythos 5.1より14.4%多くの脆弱性を発見

    という結果が報告されている。

    また、Mozillaによるテストでは、Mythos 5.1と比較して、脆弱性発見に関する指標が約2倍になったという。

    さらにAnthropicは、企業向けの「Claude Security」にMythos 5.2を組み込んでいる。

    Claude Securityは、コードベースの脆弱性を調査し、発見した問題の追跡や修正を支援するサービスだ。

    特に、コードが更新されるたびに継続的に監視し、発見された問題が修正されたかを追跡できる点は、実際の開発現場でも重要になるだろう。

    4. 3つのモデルを比較。性能、得意分野、利用条件はどう違う?

    それでは、今回の3つのモデルを整理してみよう。

    画像

    3モデルとも非常に高度な能力を持っているが、アプローチには違いがある。

    OpenAIは、サイバーセキュリティ専用モデルとしての性能と、指定された調査範囲を守る能力に重点を置いている。

    Googleは、汎用AIの高いコーディング能力と長時間のエージェント処理を、セキュリティ分野にも活用する方向だ。

    Anthropicは、高度な能力を持つ基盤モデルを共通化しつつ、安全上の制限と専門家向けの提供制度を使い分けている。

    ちなみに性能の数値だけを並べて、どのモデルが最も優れているかを判断するのは難しい。

    同じ名前のベンチマークでも、評価時の環境や設定が異なる場合があるからだ。

    現時点で重要なのは順位ではなく、3社とも脆弱性の発見から攻撃検証、修正までをAIに担わせようとしているという共通点だと思う。

    5. 守るより壊す方が速かった。その力関係は変わるのか?

    画像

    今回の発表で、私が最も気になっているのはここだ。

    この数か月、サイバーセキュリティの世界では、AIによって攻撃の準備や脆弱性の探索が効率化される一方、防御側の対応が追いつかなくなるのではないか、という懸念が強まっていた。

    攻撃者は、一つの脆弱性を発見すれば、そこから侵入の糸口を探せる。

    一方、防御側はシステム全体を調査し、影響範囲を確認し、修正し、テストし、サービスを停止させずに展開する必要がある。

    もちろん、すべての攻撃が防御より速く進んでいると断言できるわけではない。

    それでも、攻撃側は一つの突破口を探せばよいのに対し、防御側は多数の弱点に対応し続けなければならないという、構造的な難しさがある。

    そこに、今回の3モデルが登場した。

    これまで専門家が多くの時間を費やしていた脆弱性の探索や検証を、AIが高速化できる。

    さらに、修正コードの作成まで支援できるのであれば、防御側の対応速度を大幅に引き上げられる可能性がある。

    これまで攻撃側に傾いていたように見える速度の優位性は、今回のモデルの登場によって、防御側へ移り始めるのだろうか。

    私は、この変化に期待している。

    ただし、楽観視はできない。

    これほど強力なAIが防御に使えるということは、同じ能力が攻撃者の手に渡れば、攻撃も高度化する可能性があるということだ。

    今回3社とも、高度なサイバーセキュリティ機能の提供先を制限しているのは、こうした危険性への対応でもある。

    AIの進化によって防御が有利になるのか。それとも攻撃と防御の双方がさらに高速化するのか。

    その答えは、まだ出ていない。

    6. AIが作ったコードを、AIが攻撃して、AIが修正する時代へ

    画像

    私は日常的にAI駆動開発を実践している。

    AIによってコードの実装速度が上がったことは、日々実感しているところだ。

    しかし、コードを書く速度が上がることと、安全なシステムを作れることは別の問題である。

    例えばAIが短時間で大量のコードを生成したとしても、その中に認証の不備や権限チェックの漏れ、危険な依存ライブラリの利用があれば、セキュリティ上のリスクは残る。

    むしろ、開発速度が上がった分だけ、セキュリティを確認する工程が追いつかなくなる可能性もある。

    そこで期待したいのが、開発AIとセキュリティAIの役割分担だ。

    1. 開発AIがコードを生成する

    2. セキュリティAIが脆弱性を調査する

    3. 許可された検証環境で攻撃の成立を確認する

    4. 開発AIが修正コードを作成する

    5. テストと人間の承認を経て本番環境に反映する

    こうした一連の工程を、AIエージェントが連携して処理する未来が考えられる。

    もちろん、現時点では今回紹介した高度なモデルを、誰もが自由に組み込めるわけではない。

    また、AIの検出結果には誤検知や見落としもあり得るため、人間による確認は欠かせない。

    それでも、今後のAI駆動開発では、単にコード生成の速度を競うのではなく、安全性の検証まで含めた開発プロセス全体の自動化が重要になっていくのではないだろうか。

    特に少人数で開発から運用までを担うソロプレナーにとって、セキュリティ検証の負担をAIが軽減してくれる意義は大きい。

    AIが進化しても、自社のシステムを守るのは自分たちだ

    画像

    今回紹介した3つのモデルは、サイバーセキュリティの世界を大きく変える可能性を持っている。

    脆弱性を発見し、攻撃を再現し、修正案まで作成する。

    これまで高度な専門知識と多くの作業時間を必要としていた工程を、AIが支援できるようになってきた。

    だが、ここで忘れてはいけないことがある。

    優秀なセキュリティAIモデルが登場しただけでは、自社のシステムは何一つ安全にならない。

    当然ながら、モデルが発表されたからといって、世界中のシステムに存在する脆弱性が自動的に修正されるわけではない。

    自社のシステムに対して診断を実施し、発見された問題を評価し、修正して、本番環境に反映する。

    その判断と行動が必要なのだ。

    今回のモデルはまだ利用できる対象が限られているが、だからといって一般公開まで何もしなくてよいわけではない。

    既存の診断ツールを使い、依存ライブラリを更新し、認証やアクセス制御を見直す。ログを監視し、バックアップや復旧手順を確認する。

    こうした基本的な対策は、今すぐにでも実施できる。

    最新のAIが使えるようになれば、そこに新たな検証手段を加えていけばよい。

    AIの登場によって、攻撃と防御の力関係が今後どう変わるのかは、まだわからない。

    しかし一つだけ、はっきりしていることがある。

    セキュリティAIの進化は、防御の可能性を広げてくれる。しかし、その可能性を実際の安全につなげるのは、私たち自身なのである。


    参考資料



    この記事はnoteマネーにピックアップされました

    noteマネー 今週の特集「新体制のエヌビディア決算、AI株は持ち直す?」
     
     
    福岡拠点のAIソロプレナーです。社員はAIのみで開発・経営・マーケティング日々回す!AIを使ったシステムのAI駆動開発や経営などの実践内容を発信。システム開発|クラウドビット(https://cloud-bit.jp)代表|福岡。狼アイコンは動物占いが狼だから。コーヒー大好き

    あなたへのおすすめ