OpenAI 漏洞獎勵提高：最高17.2萬美元怎麼算，下一場安全衝刺做什麼？
OpenAI 漏洞獎勵提高並規劃與Cathedral合作的下一場內部安全衝刺。解析3萬與17.2萬美元上限、加成與示例、補差額條件，以及AI防禦流程中重現、修補與驗收的分工。
OpenAI 漏洞獎勵更新，把報告的嚴重程度、可重現品質與長期合作，都納入研究者可能取得的報酬。
獎金上限吸引注意，但同一個數字可能包含不同的加成。若把最高金額當成每一件嚴重漏洞的固定報價，就會誤解這項計畫。
OpenAI 在 2026 年 11 月 2 日發布兩篇安全公告，除了提高獎勵，也表示正在規劃與 Cathedral 合作的下一場內部安全衝刺。
官方帳號在 11 月 3 日再於 X 介紹這些安排。
這把外部研究者的通報，接到內部找出問題、重現與準備修補的流程。人工判斷仍影響問題如何定級、修補如何驗收。
對關心 AI 資安的讀者，值得追蹤的是回報品質與修補速度能否一起改善。公告中的上限與示例，可以用來理解制度，不能當成已支付成果。
先看一般嚴重漏洞和例外重大發現的獎金如何分層，就能理解後面各項加成的用途。
OpenAI 漏洞獎勵的3萬與17.2萬美元，差在哪裡？
OpenAI 在十一月二日公布獎勵更新時，先區分一般嚴重漏洞與例外重大發現。
對 ChatGPT、Codex、API 程式介面等核心產品，符合條件的嚴重漏洞獎勵可達三萬美元。這是一個類別中的上限，實際金額仍依問題的影響與計畫規則判定。
另一層是例外重大的發現，基礎獎勵最高可達十萬美元。
符合其他加成條件時，總額最高約十七點二萬美元。兩個數字之間的差距包含制度上的加成，不能把十七點二萬美元理解成每份嚴重漏洞報告的基本價碼。
官方還表示，中度、高度與嚴重等級獎勵區間的中點，平均提高超過四倍。
這個描述比較的是區間中點的平均變化，並非每件報告都固定增加四倍，也不是所有等級的最低與最高金額都乘上相同比例。
對研究者而言，讀懂層級比只記住最高數字有用。
報告是否在計畫範圍、能造成何種影響，以及是否符合例外條件，都會影響獎勵。若省略這些差異，容易讓金額成為吸睛標題，卻沒有幫助讀者理解制度。
最高上限不等於已經發生的支出
公告提供獎勵規則與計算情境，不代表已有人因這次更新取得最高金額。
本文沒有把上限寫成實際支付案例，也沒有由示例推論產品發生過某個特定漏洞。制度承諾、問題通報與完成發放，是不同階段的資訊。
這項區分也影響後續追蹤方式。
若未來要評估計畫成果，應看符合條件的報告、修補結果與可公開的支付資訊，而不是只把新的獎勵上限當成防禦效果。更高金額可能改變參與誘因，是否改善安全仍需要實際結果。
品質、忠誠與優先活動加成如何運作？
品質加成鼓勵研究者把問題說清楚，包括可重現條件、明確的概念驗證，以及對影響的說明。
這些內容能讓接收團隊少花時間猜測環境與步驟，也較容易分辨問題的真正範圍。重點是提高報告可用性，而不只是讓文字更長。
可重現性與影響說明相互依賴。
只提供一段異常畫面，可能不足以知道問題何時出現。只有抽象的重大風險，也不能證明目前系統真的受影響。品質良好的報告，需要把觀察到的行為與具體條件連在一起。
忠誠加成採五個層級，將持續合作納入獎勵。
這讓長期提供有效報告的研究者，有機會依計畫條件取得額外報酬。但公告不是對所有持續參與者保證相同加成，仍須依正式規則判定層級與適用範圍。
優先活動加成則與特定時段、特定重點有關。
某一項活動中的較高獎勵，不應被當成永久規則，也不能直接推論其他產品或日期都適用。研究者在評估參與前，需要確認當下的有效條件與截止時間。
這些加成分別處理不同誘因：品質讓單份報告更容易使用，忠誠鼓勵持續合作，優先活動則把研究注意力導向當時較需要檢查的範圍。
它們可以在符合條件時共同影響總額，但不能由任何一項單獨推算所有情境。
對一般讀者，這也是理解漏洞獎勵的實用方式。
計畫不是單純按錯誤名稱開價，而是結合嚴重程度、證據品質與合作條件。要比較不同獎勵方案，應先對齊範圍與規則，不能只按首頁最高金額排名。
計算示例與補差額，哪些條件不能省略？
官方表格提供一個十萬美元基礎獎勵的示例，依序套用 1.15、1.30 與 1.15 的倍率，得到十七萬一千九百二十五美元。
這說明多項加成如何相乘，也解釋為什麼公告用最高約十七點二萬美元描述。
表格中的情境與歷史獎勵都是示意，不能把十七萬一千九百二十五美元寫成真實研究者已收到的款項。
若新聞忽略這項註記，就會把制度範例改造成不存在的事件，連帶讓讀者誤判產品是否真的出現相應等級的問題。
加成倍率相乘也意味總額不是把各百分比直接加在基礎金額上。使用公告數字重算時，應保留基礎金額、各倍率與適用條件，讓讀者知道結果從何而來，而不是只留下最後的六位數金額。
官方另說明已提交但尚未發放的報告，將適用更新後的獎勵區間。
對十一月二日公告前的三十天內已完成發放的報告，則有追溯補差額安排。若新規則下金額較高，會補足符合條件的差額，計算範圍涉及基礎與忠誠部分。
這項安排不代表所有歷史報告重新計價，也不代表每一項新加成都會追溯適用。
時間範圍、是否已發放與哪些加成納入，必須一起閱讀。少了其中一項，就可能把有限的補差額安排寫成全面補發。
因此，研究者實際確認自己的報告時，應回到官方計畫與個別審核結果。
本文整理制度，並沒有替任何報告判定金額。同一標籤下的問題，仍可能因影響範圍、證據及既有通報情況而有不同處理。
下一場安全衝刺，內部與外部研究者如何合作？
同日另一篇公告談的是下一場內部安全衝刺。OpenAI 表示正在規劃與 Cathedral 合作，讓內部團隊運用 AI 支援找問題、調查與準備修補。
這是即將進行的安排，不能描述成新一輪活動已經完成並交付成果。
漏洞獎勵與內部衝刺處理的是相連但不同的流程。
外部研究者能從自己的視角提供發現，內部團隊則熟悉系統與修補流程。提高外部通報誘因，同時整理內部處理能力，才有機會讓問題更快轉成可驗證的修正。
官方回顧先前活動時表示，約四分之一的產品工程師曾使用 Codex 協助調查、在隔離環境重現問題，並準備供審查的修補。
這是公司對自身活動的描述，本文沒有將它寫成外部獨立驗證的效率或安全成果。
人員參與比例也不能直接代表漏洞已修好多少，或每位工程師節省多少時間。
要衡量這些結果，還需要問題嚴重程度、修補是否有效及後續是否復發等資訊。公告目前提供的是工作方式與參與情況。
這種合作最值得追蹤的環節，是報告與內部系統之間是否保留足夠脈絡。
若模型先整理了條件，工程師仍需要知道原始證據是什麼。若模型提出修補，審查者也需要確認它處理的是根因，而不是只讓某個測試不再報錯。
公告也提及十一月二十日至二十一日在奧克蘭舉辦的 PROMPT2PWN 活動安排。
這是另一個有時間與參與條件的項目，不能把活動名稱當成所有獎勵都適用的共同規則。想參與的人仍需閱讀對應的官方說明。
AI找到問題後，為何仍要重現與驗收修補？
AI 可以協助整理程式、尋找可疑路徑與準備修補，但找到一段看似有問題的程式，不等於已確認可利用的漏洞。
環境設定、權限與輸入條件，都可能改變判斷。重現工作就是把抽象疑慮變成可檢查的具體行為。
隔離環境的作用，是讓團隊能檢查條件與結果，同時控制測試範圍。
它不能省略對正式系統影響的判讀，也不是允許對任意服務進行測試的通行證。公開公告描述防禦流程，實際研究仍應遵循計畫列明的範圍。
修補同樣需要檢驗。
某個改動可能阻止已知輸入，卻沒有處理更一般的根因。也可能處理漏洞後，意外破壞正常功能。因此，能通過原本重現步驟，是驗收的一部分，並不是所有相關行為都已被證明正確。
這也解釋為何公告把準備修補與審查分開。
AI 產生的變更可以減少部分工作，但真正要採用時，仍需要工程判斷與回歸檢查。將模型產出直接算成已完成修補，會讓防禦流程缺少最後的確認。
外部報告的品質，在這裡就會影響內部效率。
若條件、影響與重現都明確，工程師更容易判斷修補是否對準同一問題。若描述含糊，團隊可能先花很多時間建立共同理解。品質加成因此與修補流程有實際連結。
但制度設計是否真的改善這段流程，仍應由後續資料驗證。
例如報告被接受後到完成修補的時間、重現成功比例及回歸結果，都比最高獎金更能描述效果。官方目前的公告沒有提供足以替所有這些指標下結論的資料。
讓不同階段各有對應的證據
讀者可以把一次安全問題分成通報、確認、修補與驗收。
每個階段的證據不同：通報需要清楚描述，確認需要重現與影響判讀，修補需要具體變更，驗收則需要測試結果。前一階段成功，不應直接代替後一階段。
當 AI 同時參與多個階段，這種區分反而更重要。
相同工具可能生成報告，也可能提出修補。若驗收只是重述同一個模型的判斷，就沒有增加太多獨立證據。保留可回查的原始條件與測試，是讓協作結果容易檢驗的基礎。
OpenAI 漏洞獎勵常見問題
是否只要發現嚴重漏洞就能拿到十七點二萬美元？
不是。一般嚴重漏洞與例外重大發現有不同層級，最高總額還涉及加成。實際報告須符合計畫範圍與審核條件，不能由新聞中的最高數字預先判定報酬。
十七萬一千九百二十五美元是否是真實發放紀錄？
官方表格將相關情境列為示意。該金額用來展示基礎獎勵與倍率的計算方式，本文沒有把它當成已發生的支出，也沒有據此推定某一個真實漏洞事件。
下一場安全衝刺是否已完成？
依十一月二日公告，它仍是規劃中的活動。公告回顧的既有參與比例與下一場安排應分開，未來是否完成、產出什麼成果，需要新的官方資訊或可驗證證據。
把可查證的報告品質放在獎金數字之前
這次更新把高額獎勵與內部防禦工作並列，值得關注的是兩端能否順利銜接。
清楚的報告、可重現條件與完成驗收的修補，才能讓制度變成實際防禦能力。公告確立了新規則與計畫，真正的成果仍要沿著這些環節逐步檢查。
想持續追蹤 AI 研究方法與可驗證的技術進展，歡迎免費訂閱 AI 郵報。
延伸閱讀：Codex Security Cloud 完整解析：Daybreak Blue、全程式庫掃描與 AI 修復怎麼用？
延伸閱讀：PHP 緊急修補兩項遠端執行漏洞：OpenAI 與 Wiz 如何找到問題，網站該確認什麼？
