OpenAI 的 GPT-Red 模型以 84% 的成功率攻擊 GPT-5.1，將對抗性漏洞降低至 0.05%

根據 Beating 的監測，OpenAI 已揭露 GPT-Red：一款自動化紅隊模型，旨在辨識並利用其 AI 系統中的安全漏洞。GPT-Red 透過自我對弈進行提示注入攻擊的學習，並將研究結果回饋至訓練 GPT-5.6。

在全新且先前未見的情境中，GPT-Red 對 GPT-5.1 的攻擊成功率達到 84%，而人類紅隊僅為 13%。經過對抗式訓練後，GPT-5.6 Sol 將直接提示注入攻擊的成功率降至 0.05%。GPT-Red 仍僅供內部使用。