XBOW afferma che sei giorni con GPT-5.6 Sol hanno prodotto una catena Chrome di tre bug riprodotta da Google e premiata con 250.000 dollari. Una catena funzionante mostra come difetti distinti oltrepassino difese: è prova più forte di codice sospetto o rapporto del modello non verificato.
La divulgazione è del 13 ottobre 2026, mentre la versione premiata fu assemblata dal 2 al 7 agosto durante Black Hat e DEF CON. XBOW dice che i tre bug sono corretti e non si sono osservati attacchi agli utenti. Il resoconto non prova una campagna attuale né descrive il browser aggiornato.
La guida umana è essenziale. Ricercatori sceglievano obiettivi, dividevano indagini, valutavano output, fornivano tecniche e integravano. Dimostra un'organizzazione assistita, non un modello che compromette autonomamente software protetto da un obiettivo generico.
Tre difetti oltrepassavano confini diversi
Il primo coinvolge Maglev, compilatore ottimizzante V8, e un'ipotesi errata sullo stato mutabile in deottimizzazione. L'accesso nella regione protetta era una capacità utile, non esecuzione libera oltre il renderer.
Il secondo riguarda WebP animato: dati usati potevano differire da quelli controllati. È CVE-2026-85045, un passaggio oltre la regione precedente verso esecuzione nel renderer, non un solo bug che supera ogni protezione.
L'ultimo interessa Crashpad Windows fuori dalla sandbox, che assumeva stabilità del processo sospeso durante letture diagnostiche. È CVE-2026-78952; la dimostrazione completa avrebbe avviato Calcolatrice all'esterno.
Il tema comune è lo stato variabile trattato come fisso. La concatenazione stabiliva le conseguenze. Il miliardo di utenti Windows Chrome stimato indica portata potenziale, non sistemi attaccati o esposizione identica.
Il duplicato rese importante l'architettura modulare
Il progetto precedeva quella settimana. La prima catena richiese due mesi e Google segnalò una parte già nota. Duplicati possono perdere valore di premio anche se il lavoro tecnico è autentico.
Il gruppo aveva definito capacità separate e alternative. Sostituendo la parte centrale con WebP conservò il resto. Questo è giudizio e architettura, non semplice perseveranza del modello.
Gli agenti cercavano codice, verificavano ipotesi e preparavano dimostrazioni e componenti in parallelo. I ricercatori distribuivano risorse e scartavano approcci poco promettenti. Il lavoro precedente degli specialisti offriva esempi riutilizzabili. Gli ultimi sei giorni partivano quindi da conoscenza del bersaglio ed esperienza accumulata, non da un'unica istruzione senza preparazione.
XBOW confronta il lavoro con precedenti progetti di catene complete che richiedevano quattro ricercatori per sei–nove mesi. È una valutazione storica del gruppo, non uno studio controllato di produttività. Bersagli, tecniche disponibili, esperienza e caso differiscono. Mostra comunque che agenti paralleli possono ridurre molte iterazioni se guidati da esperti capaci di valutarne gli esiti.
Il calcolo non è il prezzo di compromettere Chrome
I circa 40.000 dollari API vengono ricostruiti dai log Codex dei sei giorni premiati. Escludono stipendi, tentativi, prima catena, infrastruttura, gestione ed esperienza. Il materiale pubblico non è un audit completo indipendente del progetto.
Confrontarli con 250.000 suggerisce un margine ingannevole. Fallimenti, duplicati, problemi corretti e dimostrazioni fragili consumano senza pagamento. Google limita anche i bonus dopo aprile: non esiste domanda infinita per segnalazioni automatiche.
Le regole pubbliche richiedono sistema corrente supportato, mitigazioni normali e assenza di opzioni di debug insicure. La categoria va distinta da primo premio o primo dell'era dei modelli. Non c'è elenco completo per verificare ogni posizione storica.
Riproduzione e correzioni del produttore sono l'ancoraggio esterno più forte. Non stabiliscono la divisione precisa del lavoro, il costo totale o sei giorni universali. Sono affermazioni diverse, con prove diverse.
Gli esperti spiegano il divario apparente con i test
OpenAI trovava bug e primitive utili ma non una catena autonoma contro Chromium o Firefox protetti. Classificò GPT-5.6 Sol molto capace in cybersicurezza ma sotto il livello critico.
Il gruppo di esperti ha svolto i passaggi considerati difficili dalle valutazioni: scegliere piste utili, distinguere primitive sfruttabili da vicoli ciechi, coordinare alternative e integrare la catena finale. Non è quindi una semplice smentita del test di autonomia. È un'organizzazione che costruisce un sistema più capace attorno al modello.
La distinzione conta per le previsioni. Selezione autonoma dei bersagli e integrazione affidabile permetterebbero una diversa scala anche a operatori meno esperti. Per ora vengono amplificati soprattutto gruppi già dotati di tecniche, ambienti e revisori. La scoperta indipendente di ogni bug entro un anno rimane una previsione, non il risultato dimostrato.
Agenti producono anche duplicati, crash inutilizzabili, limiti malintesi e test fragili. Più invii non significa nuove falle pericolose. Contano rapporti riproducibili che superano novità e confini reali.
La difesa necessita validazione più rapida, non panico
Il caso invita a verificare ipotesi fra componenti e combinazioni di problemi limitati, accelerando riproduzione e controllo delle patch. Più scoperte aiutano solo distinguendo vera esposizione da affermazioni povere e distribuendo rimedi efficaci.
Per utenti serve caricare l'aggiornamento. Riavviare e verificare versione elimina lo scarto con processi vecchi sempre aperti. È manutenzione, non affermare che la catena corretta attacchi versioni attuali.
Il prossimo segnale forte sarebbe un'altra catena su bersaglio diverso con tempi, interventi e costi completi. Non è dimostrazione innocua né compromissione autonoma a richiesta: IA accelera ricerca esperta, mentre novità, integrazione e responsabilità determinano l'esito.
Lettura collegata alla documentazione del contesto di lavoro: basi di conoscenza per documenti tecnici.