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

De acordo com a monitorização da Beating, a OpenAI revelou o GPT-Red, um modelo automatizado de red teaming concebido para identificar e explorar vulnerabilidades de segurança nos seus sistemas de IA. O GPT-Red aprende a criar ataques de prompt injection através de self-play, sendo os resultados incorporados no treino do GPT-5.6.

Em cenários novos e não vistos, o GPT-Red alcançou uma taxa de sucesso de ataque de 84% contra o GPT-5.1, face a apenas 13% para equipas humanas de red teaming. Após o treino adversarial, o GPT-5.6 Sol reduziu a taxa de sucesso de ataques diretos de prompt injection para 0,05%. O GPT-Red permanece apenas para uso interno.