El modelo rojo GPT-Red de OpenAI ataca al GPT-5.1 con una tasa de éxito del 84%, reduciendo la vulnerabilidad adversaria a un 0,05%.

Según la supervisión de Beating, OpenAI ha presentado GPT-Red, un modelo automatizado de red-teaming diseñado para identificar y explotar vulnerabilidades de seguridad en sus sistemas de IA. GPT-Red aprende a elaborar ataques de prompt injection mediante autocontestación, y los hallazgos se incorporan al entrenamiento de GPT-5.6.

En escenarios nuevos e inéditos, GPT-Red logró una tasa de éxito del 84% en los ataques contra GPT-5.1, frente a solo el 13% de los equipos humanos de red-teaming. Tras el entrenamiento adversarial, GPT-5.6 Sol redujo el índice de éxito de los ataques directos de prompt injection al 0,05%. GPT-Red se mantiene solo para uso interno.