OpenAI在2026年11月宣布提升Security Bug Bounty奖励，对核心产品关键级漏洞基础奖上调至最高3万美元，并对特别重大漏洞设10万美元基础奖，结合报告质量、专项活动和忠诚度加成，理论最高可达约17.2万美元。新规则还明确了加成计算方式、适用范围、测试授权边界及对既有提交的补差额安排，强调此次调整旨在提高报告质量与长期参与度，而非直接等同于产品安全水平提升。
OpenAI于2026年11月2日宣布，提高Security Bug Bounty漏洞赏金计划的奖励，并引入报告质量、长期贡献和限时专项活动三类激励。针对ChatGPT、Codex和API平台等核心产品，关键级漏洞的基础奖励最高升至3万美元；特别重大的关键漏洞仍可获得最高10万美元基础奖励，在符合多项加成条件时，总额可达约17.2万美元。
这不是首次推出漏洞赏金计划，而是对既有制度的调整。OpenAI公告称，中危、高危及关键级漏洞奖励区间的中点，平均提高至原来的四倍以上。这一口径不等于每份报告都能获得四倍奖励，也不是公司实际支付的平均赏金。
新制度的重要变化，不仅在于奖励上限，还在于把“找到漏洞”“讲清漏洞”和“持续贡献”分别计入报酬。其效果仍需通过后续有效报告和修复结果观察。
约17.2万美元如何计算
根据Bugcrowd上的OpenAI项目规则，最终奖励由基础赏金乘以适用的报告质量、专项活动和忠诚度系数计算，而不是把几个加成比例简单相加。
高质量报告的系数最高为1.15倍，优先专项活动最高为1.30倍，最高忠诚度等级“31337”另有15%的奖励。规则给出的特别重大漏洞示例，以10万美元为基础，依次乘以1.15、1.30和1.15，结果为171,925美元。公告将其概括为最高约172,000美元。
但这只是同时满足条件时的示例，并非普遍适用的支付标准。OpenAI明确指出，公告中的漏洞场景与历史赏金都是说明性示例，不能据此认定公司已经为某次账户接管或聊天记录泄露支付了相应金额。最终评级和奖励仍由OpenAI依据具体影响与可利用性裁定。
核心产品与非核心产品也不能混为一谈。公告所说关键漏洞最高3万美元，针对的是列明的核心产品；研究者仍需查看具体目标的奖励范围，不能把这一数字套用于所有OpenAI网站和服务。
奖励的不只是漏洞数量
报告质量加成要求研究者提供可靠的概念验证，清楚隔离问题、说明利用前提，并展示实际影响。这类材料能帮助工程师更快判断报告是否成立，以及应当修补哪个环节。
奖励也可能向下调整。项目规则列出，难以理解、需要大量追问才能定位和修复问题的低质量报告，对应系数可低至0.85倍；标准质量报告为1倍。未达到最低提交标准的报告，则会停留在需要补充信息的状态。
五级忠诚度制度从Standard、Bronze、Silver、Gold到31337，分别对应0%、5%、7.5%、10%和15%的额外奖励。研究者须先有两次有效提交，才具备参与忠诚度计划的资格；等级由过去12个月累积的影响积分决定，而不是单纯按提交次数排序。
关键级P1报告计10分，P2计4分，P3计1分；P4、P5以及重复或无效报告不加分，误报则扣1分。Bronze至最高等级的积分门槛分别为3、10、20和30分。这种设计将激励更多地指向经过确认、有实际影响的发现，而不是大量低价值提交。
优先专项活动则是另一条路径。OpenAI表示，将为新功能安排带有专门奖金池的短期活动。不过，最高1.30倍系数只适用于指定活动，并不意味着所有新功能漏洞都会自动获得加成。
软件安全漏洞，不等于模型“越狱”
对AI产品而言，研究者首先需要分清报告属于哪一种风险。Security Bug Bounty主要处理产品和受控集成中的安全缺陷，例如身份验证、权限控制或数据暴露问题。单纯让模型输出不当内容、产生幻觉，或通过提示绕过内容安全限制，不在这一项目的奖励范围内。
提示注入并非一概排除。现行规则要求，若报告由模型辅助的攻击，研究者应指出OpenAI产品或其控制的集成本应执行、却未能执行的独立安全控制，并用自有测试数据证明未经授权的访问、披露或操作。若智能体只是滥用了已经拥有的权限，没有另一个产品控制失效，则需查看Safety Bug Bounty的适用范围。
这也解释了本次加奖与此前推出的Safety Bug Bounty计划有何不同。根据OpenAI在2026年3月25日的公告，后者旨在补充传统漏洞计划，接收可能造成实质伤害、却不一定构成常规软件漏洞的AI滥用与安全问题。两个项目可以按范围与归属转交报告，但不能把它们的奖金和准入条件相互套用。
测试授权同样有边界。Security项目要求只测试范围内系统，原则上仅使用自己的账户，不得侵犯他人隐私、破坏数据或干扰服务。若发现漏洞暴露他人数据，应立即停止测试，报告发现位置与方式，而不是继续读取更多记录来证明影响。更高奖金并不意味着更宽泛的攻击许可。
补差额与内部防御如何衔接
此次调整还覆盖部分已提交报告。OpenAI表示，已经提交但尚未发放赏金的报告将采用新奖励区间；公告发布前30天内已经发奖的报告，如果按新规则计算应获更多，则会补发差额。公告对这项追溯安排标明的口径是基础奖励与忠诚度奖励，不宜理解为过去所有报告都能追溯叠加全部新奖金。
公司同时将外部漏洞披露与其内部“Defense Factory”工作并列介绍。在该项目的官方说明中，OpenAI描述了利用智能体持续寻找、复现漏洞并准备修复的流程，强调隔离且可复现的环境，以及对重要变更的人类审查。它代表公司的防御方案与自述，并不是外部独立测评对防御效果的确认。
从制度设计看，内部自动化与外部赏金承担着不同角色：前者提高持续检查与处理的能力，后者为公司自己的测试可能遗漏的问题引入外部视角。此次加奖试图同时吸引严重漏洞发现、提高报告可用性，并维持研究者的长期参与。
不过，奖励上限提高本身不能证明产品已经更安全。更有判断价值的后续指标，是新增有效报告的质量、漏洞从确认到部署修复的时间，以及修复是否真正阻断了攻击路径。对于用户和企业客户，约17.2万美元应被理解为有条件的激励上限，而不是安全水平的量化保证。