O modelo “GPT-Red” da OpenAI ataca o GPT-5.1 com uma taxa de sucesso de 84%, reduzindo a vulnerabilidade a adversários para 0,05%

De acordo com o monitoramento da Beating, a OpenAI revelou o GPT-Red, um modelo automatizado de red-teaming projetado para identificar e explorar vulnerabilidades de segurança nos seus sistemas de IA. O GPT-Red aprende a criar ataques de prompt injection por meio de autojogo, e os achados são usados para treinar o GPT-5.6.

Em cenários novos e não vistos, o GPT-Red obteve uma taxa de sucesso de 84% em ataques contra o GPT-5.1, em comparação com apenas 13% dos red teams humanos. Após o treinamento adversarial, o GPT-5.6 Sol reduziu o sucesso de ataques diretos de prompt injection para 0,05%. O GPT-Red permanece disponível apenas para uso interno.