OpenAI自研AI红队模型攻破自家系统，成功率高达84%远超人工

币界网消息，OpenAI公布了自动化红队模型gpt-red。该模型通过自我博弈学习设计提示注入攻击，并将找到的漏洞用于训练gpt-5.6。gpt-red仅供内部使用，不会对外开放。在一组未参与训练的新场景中，gpt-red攻击gpt-5.1的成功率达到84%，而人类红队的成功率仅为13%。此外，gpt-red还成功攻破了自动售货机agent，导致商品降价并取消他人订单。在测试codex cli时，它能够诱导agent外传敏感数据。经过对抗训练，gpt-5.6 SOL面对gpt-red直接提示注入时，攻击成功率降至0.05%。