Block用OpenAI Daybreak压缩漏洞修复至分钟级
Block is building AI-powered security with OpenAI. Its security team investigates threats faster and proposes patches in minutes.
# Block用OpenAI Daybreak压缩漏洞修复至分钟级
分类： 官方API
摘要： Block是使用OpenAI技术加速安全补丁的典型企业案例。OpenAI Daybreak帮助其安全团队将漏洞从提交到补丁的时间压缩至18分钟，显著提升了威胁调查和响应的效率。适合需要快速评估OpenAI API在安全场景中应用的企业采购团队，用于对账单、算Token单价和分清Plus与API计费的参考。
slug： oa-block-openaidaybreak-security
模式： feed
Block如何利用OpenAI Daybreak实现分钟级漏洞修复
2026年10月14日，OpenAI发布案例显示，Block（Square、Cash App和Afterpay母公司）通过OpenAI Daybreak系统，将高危漏洞从提交到自动化补丁的时间压缩至18分钟。这一能力让其安全团队从传统每周工作压缩到几小时，彻底改变安全运营节奏。
对于企业采购团队来说，这正是计算OpenAI API计费时值得关注的典型场景：安全团队不再依赖人工漫长调查，而是用Daybreak等AI工具处理大规模威胁检测和响应，从而更高效地规划API Token支出、缓存费用和Plus账号与API分账。
OpenAI Daybreak核心能力
OpenAI Daybreak是OpenAI面向安全领域的AI系统，内置于Defense Factory中，支持：
- 快速发现漏洞链条（从单个告警扩展到全链路攻击路径）
- 自动生成修复建议
- 多模型路由（安全任务优先选择合适模型，无需总是用最新版）
- 人类审核层（始终保留最终决策权）
与传统扫描工具不同，Daybreak能跨越日志和产品边界，连接起多阶段攻击链。例如，一个普通笔记本告警被模型关联到身份日志，快速演变为企业级攻击链。
企业采购时，了解这些功能有助于判断是否需要额外API调用来支持安全自动化，避免低估Token消耗（$/M tokens）。
实际案例：Block的安全团队成果
Block的安全团队使用Daybreak后，量化提升非常明显：
| 指标 | 提升效果 | 对应OpenAI API参考场景 |
|---|---|---|
| 检测调优重放时间 | 从数小时/天降至<1小时 | 建议通过API调用历史数据进行模型调优 |
| 高危漏洞到补丁时间 | 18分钟 | 采购API服务支持安全补丁自动化 |
| 假阳性分析人力 | 节省约600人工小时/季度 | 减少重复调查Token消耗，优化缓存策略 |
| 季度调查完成量 | 约1,100人工小时 | 提升整体运营效率，与API计费精确对账相关 |
这些数据来自OpenAI官方案例，实际使用中需以官网最新公布的价格为准。
企业采购API时的决策要点
当企业评估OpenAI API是否适用于安全补丁流程时，建议考虑以下几点：
- 任务匹配模型：不是所有安全工作都用最高阶模型，Block通过内部Harness系统自动路由，降低不必要Token开支。
- 缓存优势：对重复的安全查询（如日志解析）开启Prompt缓存，可进一步降低$/M tokens成本。
- 人类审核边界：安全敏感场景必须保留人工验证层，这在采购合同时需明确API服务条款。
- API与Plus账号分账：如果企业同时使用ChatGPT Plus和企业API，建议区分用途，避免混淆计费。
通过结合这些实践，企业能更准确对账单、算清楚Token单价，并决定是否将部分安全工作外包给官方API。
延伸阅读
风险与边界
使用AI加速安全补丁时，请注意以下风险：
- 模型生成建议可能存在隐含偏见或逻辑漏洞，需人工严格验证。
- 大规模API调用会增加Token消耗，建议通过缓存和任务路由控制成本。
- 安全系统仍需人工监督，一旦依赖过重，任何API中断都会影响响应速度。
本文为通用参考内容，不构成任何法律意见或专业建议。实际采购和使用应以OpenAI官方文档、最新价格表及企业合同为准，以官方/挂牌页数据为准。
English summary
Block, the company behind Square, Cash App, and Afterpay, is leveraging OpenAI's Daybreak AI system to dramatically speed up vulnerability remediation. From submitting a high-level vulnerability to receiving an automated patch, the process now takes just 18 minutes in recent red team exercises. This capability has compressed traditional security workflows—such as detection tuning and attack path reconstruction—from days or weeks into under an hour.
The OpenAI Defense Factory enables tasks like hypothesizing multi-stage attacks and chaining vulnerabilities across logs, all while maintaining human oversight for critical decisions. Results include a 50% boost in triage throughput, 50% more investigations completed (approximately 1,100 analyst-hours per quarter), and roughly 600 hours of false-positive triage saved each quarter.
For enterprises, this illustrates how OpenAI API technologies can support efficient security operations. It highlights the importance of task routing across models, prompt caching for repeated queries, and clear API/Plus account billing distinctions. When evaluating OpenAI API pricing, Token costs ($/M), and enterprise procurement, companies can use these real-world outcomes as a benchmark to align security workflows with API capabilities and optimize overall expenditure. All metrics are drawn from the official OpenAI case study published on October 14, 2026, and should be verified against current documentation.