OpenAI公佈自動化紅隊模型GPT-Red，通過自我博弈學習設計提示注入攻擊，用於訓練GPT-5.6
GPT-Red僅供內部使用，在新場景中攻擊GPT-5.1成功率達84%，遠超人類紅隊13%。
它成功攻破自動售貨機Agent實現降價取消訂單，並誘導Codex CLI外傳敏感數據。
來源：公開信息
ABAB AI 解讀
OpenAI此前持續迭代安全測試框架，此次GPT-Red代表從人工紅隊向自動化自我對抗的躍進，體現其在GPT系列訓練中對齊與安全並重的策略。
模型通過自我博弈調動內部計算資源發現漏洞，資本路徑上將紅隊成果直接注入GPT-5.6對抗訓練，動機在於搶在部署前最大化防禦能力。
類似早期AlphaGo自我對弈突破圍棋界限，當前OpenAI處於前沿大模型安全強化階段，自動化紅隊成爲應對提示注入與Agent風險的核心工具。
本質屬於技術替代，AI驅動的紅隊系統替代人類專家效率，實現更高覆蓋度和迭代速度，推動模型從易攻破向高魯棒性轉型，重構AI安全壁壘。
ABAB News · 認知定律
攻擊者越強，防禦者進化越快。
自我博弈是安全訓練的最優路徑。
漏洞發現速度決定模型生存週期。