GPT-5.6 Sol і Gemini 4 Argon знайшли критичну уразливість PHP, яка зачіпає мільйони сайтів. OpenAI називає її однією з «найвпливовіших проблем безпеки за останню пам'ять».
Для команди, яка пише продукт, у цій історії цінний сам процес: моделі знайшли вразливість, склали експлойти, побудували детекцію атак і перевірили патч. Такий цикл аудиту можна проганяти автоматично, а не чекати на зовнішнього дослідника. За нашою оцінкою, практичний висновок один: вбудувати агентний аудит у CI, доки ви ще контролюєте, що потрапляє в реліз.
Що саме зробили моделі?
GPT-5.6 Sol виявив уразливість у PHP у межах ініціативи Patch-the-Planet, з якою OpenAI шукає діри за допомогою моделей. За даними The Decoder, модель знайшла проблему раніше, ніж до неї добралися атакували, а на GitHub з'явився інструмент для перевірки, чи зачеплена ваша версія PHP.
Ці ж ланки вразливостей знайшла й компанія з безпеки Wiz — на власній платформі Wiz Atlas, але вже разом із Gemini 4 Argon і GPT-5.6 Sol. За словами Wiz, Gemini 4 Argon дав найбільшу користь саме на інженерних кроках: розробка експлойтів, побудова детекції атак і валідація патча. Один агент у такому контурі закриває весь цикл: знахідка, експлойт, детекція, перевірка.
Наскільки це знижує поріг для атак?
Wiz попереджає, що моделі різко знижують поріг для атакувальників. Експлойт, який раніше треба було вручну переписувати під кожну версію PHP, конфігурацію та розподіл пам'яті, тепер адаптується автоматично. Фірма пише, що LLM «знижують поріг для масштабування атак по різних розгортаннях», а вразливість, «яка здавалася непрактичною для експлуатації, стає придатною мішенню».
Для білдера це означає, що формула «у нас немає відомої атаки» більше не закриває ризик. Якщо модель дописала ваш конкретний варіант експлойту, тримати руку на пульсі доведеться щотижня, а не раз на квартал.
Що це означає для вашого конвеєра?
Виправлення PHP готували два місяці за п'ятьма фазами, за участю розробників PHP, Wiz, Cloudflare та американських відомств на кшталт CISA і Білого дому. OpenAI пропонує цю процедуру як шаблон для майбутніх AI-знахідок і очікує, що кількість знахідок такого масштабу, як PHP2Shell, різко зросте в найближчі місяці.
Щоб повторити такий цикл у себе, окремий дослідницький відділ не потрібен. Робоча схема проста: агент-модель читає зміни та залежності, пише тест, що відтворює підозру, і залишає доказ у pull request. Зворотний бік теж реальний: агент у CI отримує доступ до репозиторію та секретів, а злам OpenCode Console уже призвів до списань понад $1000 у частини користувачів. Права агента варто обмежити читанням і пропозиціями без публікації.
Ця знахідка потрапляє в ту саму дискусію про оборонні та наступальні здібності моделей, де Anthropic уже пропонувала блокувати модель за ризиком 50 смертей. Оборонний ефект тут конкретний: діру знайшли раніше за атакувальників, тож на виправлення був час.
Що робити зараз
- Перевірте версію PHP і накладіть патч. Інструмент для перевірки лежить на GitHub, і робити це варто до того, як у логах з'явиться перший зловмисний запит.
- Прогніть аудит залежностей, а не лише власного коду. Адаптований моделлю експлойт цілиться у конкретну версію PHP — саме версія й стає вразливим місцем.
- Додайте агентний аудит у CI одним кроком: модель читає diff, пише тест, що відтворює підозру, і залишає доказ у PR. Права агента обмежуйте читанням і пропозиціями.
- Зафіксуйте процедуру реагування до інциденту: хто ухвалює рішення про патч, хто говорить із клієнтами, скільки часу є на реакцію. П'ять фаз за два місяці у PHP — це робота, яку можна було виконати з визначеними ролями й підписаним процесом.
День, витрачений на аудит у CI, коштує дешево за тиждень простою після інциденту.
