据 Woofun AI 消息，OpenAI 公布了内部自动化红队模型 GPT-Red，该模型通过自我对抗训练设计提示注入攻击，并利用发现的漏洞强化 GPT-5.6。在未见过的新型攻击场景中，GPT-Red 针对 GPT-5.1 的攻击成功率高达 84%，显著高于人类红队的 13%。测试显示，该模型还能入侵自动售货机系统以操纵价格和订单，或通过 Codex CLI 迫使系统泄露敏感数据。经过对抗性训练后，GPT-5.6 Sol 面对 GPT-Red 直接攻击的成功率已降至 0.05%。