OpenAI 于 2025 年 7 月 16 日正式发布了其自主研发的内部自动化红队专用模型——GPT-Red。该模型基于自博弈式强化学习，作为一款前沿的风险探索工具，能够持续生成新颖多样的攻击策略，主动诱导目标模型产生非预期行为，从而在 AI 系统部署前提前发现并修复潜在安全漏洞。

GPT-Red 的核心机制与价值

GPT-Red 的关键创新在于其自博弈式强化学习机制。这一机制允许模型在无需人工干预的情况下，持续与自身或其他模型进行对抗性“博弈”，自动生成大量高质量、高覆盖率的攻击样本。这些样本能够精准测试目标模型在边界条件下的表现，帮助发现其潜在的不当响应或逻辑漏洞。

• 持续进化：模型能够根据目标模型的防御策略动态调整攻击方式，确保生成的攻击样本始终保持新颖性和多样性。
• 主动诱导：不仅被动检测已知漏洞，更能主动设计提示或指令，尝试诱发模型输出有害、歧视性或不合规的内容。
• 直接整合：GPT-Red 产出的对抗样本会被直接纳入生产级模型的安全优化流程，形成“发现-修复-验证”的闭环机制。

史无前例的算力投入与训练过程

为了训练 GPT-Red，OpenAI 调用了史无前例的大规模算力资源。这种高强度计算投入确保了模型能够学习到足够复杂的攻击模式，并在不同模型架构和版本之间实现泛化。训练过程模拟了极端复杂的对抗环境，使 GPT-Red 在面对全新模型时也能迅速生成有效攻击。

实际应用成果：GPT-5.6 Sol 的安全表现

目前，GPT-Red 已深度参与 OpenAI 最新模型 GPT-5.6 Sol 的迭代训练。根据官方公布的实测数据，在最具挑战性的直接提示注入基准测试中，GPT-5.6 Sol 的失败率相较四个月前性能最强的现役模型（即上一代旗舰模型）下降了约 83%。这一显著下降直接证明了 GPT-Red 在提升模型安全性方面的实际效力。

突破意义：迈向全自动化安全新范式

GPT-Red 的成功应用标志着人工智能安全正加速从依赖人工专家和静态规则的红队测试，转向“以当前模型赋能未来模型防护”的全自动化新范式。这意味着安全评估不再局限于人类有限的创意和精力，而是通过模型自我对抗与持续进化，实现对潜在风险的全面、持续覆盖。

小提示： 理解“红队”在 AI 安全中的关键角色。红队测试是一种模拟攻击的安全实践，由专业团队（或在此场景下由模型替代）主动尝试绕过或破坏系统的安全防护。GPT-Red 正是这一角色的自动化版本，它比人类专家更快速、更系统化地执行安全评估。

常见问题解答

• 问：GPT-Red 是开源的吗？
  答：根据现有信息，GPT-Red 是 OpenAI 的内部自动化红队模型，目前尚未公布开源计划。
• 问：GPT-Red 和普通的红队测试有什么区别？
  答：传统红队测试依赖人类专家手动设计攻击提示，成本高且覆盖有限。GPT-Red 通过自博弈强化学习自动生成攻击，能够持续迭代和规模化，覆盖更多边界情况。
• 问：83% 的失败率下降是如何衡量的？
  答：在直接提示注入基准测试中，测试者通过精心构造的提示尝试诱导模型输出违规内容。失败率指模型未能成功防御这些提示的比例。GPT-5.6 Sol 的失败率相比四个月前的最强现役模型降低了约 83%，意味着安全性大幅提升。

这一突破为未来 AI 系统的安全开发提供了全新思路：利用 AI 自身的能力攻克 AI 安全难题，从而实现更稳健、更可信的人工智能部署。