OpenAI 的 GPT-Red 模型以 84% 的成功率攻击 GPT-5.1，将对抗性漏洞降低至 0.05%

据 Beating 的监测，OpenAI 已发布 GPT-Red，这是一款自动化红队模型，旨在识别并利用其 AI 系统中的安全漏洞。GPT-Red 通过自我对弈学习构造提示注入攻击，并将相关发现反馈至用于训练 GPT-5.6。

在新的、未见过的场景中，GPT-Red 针对 GPT-5.1 的攻击成功率达到 84%，而人类红队仅为 13%。经过对抗训练后，GPT-5.6 Sol 将直接提示注入攻击的成功率降至 0.05%。GPT-Red 仅供内部使用。