GPT-6 Sol Daybreak Blue lidera el Cyber Index: +32 puntos y $1,77 por tarea

Artificial Analysis ha ampliado el Cyber Index: el ranking ya no incluye solo modelos públicos, sino también versiones con menos restricciones de ciberseguridad. La primera es GPT-6 Sol (Daybreak Blue, max), disponible solo a través del programa OpenAI Daybreak. El modelo ocupó el primer puesto de inmediato, no se topó con ningún bloqueo de seguridad y obtuvo 32 puntos más que la GPT-6 Sol (max) pública. Cada tarea cuesta $1,77, frente a los $11,67 de Grok 4.7 (xhigh).

Qué ha cambiado en el ranking

El Cyber Index lo desarrolla la Artificial Analysis Cyber Index Alliance, una asociación de socios del sector. Evalúa cómo resuelven los modelos de IA, en modo agéntico, tareas corporativas de ciberdefensa. Al arrancar, el índice solo incluía modelos de acceso público. Ese ranking mostraba con honestidad lo que puede conseguir en la práctica un equipo que se registra en la API.

Ese enfoque tiene una limitación. Los modelos públicos incorporan mecanismos de protección y, en tareas de seguridad, se niegan a responder con regularidad. La puntuación final refleja entonces tanto las capacidades del modelo como el rigor de sus filtros. Al añadir versiones de trusted access, los autores del índice pueden ver dónde está la frontera entre lo que el modelo sabe hacer y lo que se le permite mostrar al público general.

Cifras y precio

GPT-6 Sol (Daybreak Blue, max) no solo lidera en calidad, sino que además se sitúa en la frontera de Pareto «coste — capacidades». Esto significa que ningún otro modelo del índice ofrece un mejor resultado por el mismo dinero.

• Posición: primer puesto en el Cyber Index.
• Bloqueos: ningún bloqueo de seguridad en todo el índice.
• Mejora: +32 puntos en la puntuación total respecto a la GPT-6 Sol (max) pública.
• Coste: $1,77 por tarea.
• Competidor: Grok 4.7 (xhigh) cuesta $11,67 por tarea, es decir, unas 6,6 veces más.
• Acceso: solo a través del programa OpenAI Daybreak.

Daybreak Blue logró su mayor mejora en CyberGym-E2E. Según las observaciones de Artificial Analysis, es precisamente en este benchmark donde los modelos públicos se niegan con más frecuencia a ejecutar las solicitudes. La relación parece directa: cuanto más estrictos son los filtros, más puntos se pierden en tareas que, en esencia, forman parte de la rutina de trabajo de los defensores.

Conviene tener en cuenta que la publicación no incluye el desglose por el resto de benchmarks del índice ni los valores absolutos de las puntuaciones. El tamaño de la brecha en cada uno de ellos queda fuera de este anuncio; los detalles están en la tabla completa del sitio de Artificial Analysis.

Cómo usar estos datos

Para los equipos de seguridad, el ranking responde ahora a dos preguntas distintas. La primera: qué está disponible ahora mismo sin trámites especiales. Aquí la referencia siguen siendo los modelos públicos. La segunda: qué se puede conseguir si se supera un proceso de selección y se obtiene acceso ampliado. Aquí la referencia la marca Daybreak Blue. La diferencia de 32 puntos es un argumento para averiguar con antelación si su organización cumple las condiciones del programa.

Al elegir un modelo para escenarios agénticos, conviene fijarse a la vez en dos parámetros: la puntuación total y el precio por tarea. La diferencia entre $1,77 y $11,67 se nota al escalar. Si un agente procesa miles de incidentes al día, ese margen se convierte en una partida propia del presupuesto.

Al evaluar modelos públicos, conviene comprobar por separado la proporción de rechazos, sobre todo en escenarios de extremo a extremo como CyberGym-E2E. Un modelo con una puntuación declarada alta puede resultar inservible si, en una tarea de trabajo real, se detiene ante los filtros de protección.

Artificial Analysis promete seguir ampliando el índice con modelos tanto públicos como de trusted access. Las próximas entradas de la tabla mostrarán hasta qué punto es sólida la ventaja de Daybreak Blue y si otros desarrolladores lanzarán programas de acceso cerrado similares.