7月16日，OpenAI对外公开了其内部用于网络安全测试的“红队”模型——GPT-Red。这套系统能够自动化模拟各类网络攻击，核心目标十分明确：助力OpenAI自家产品的系统鲁棒性迈上新台阶。

据OpenAI透露，过去半年间，从GPT-5.3之后的每一个生产模型，均引入了这个“红队”模型参与训练。效果相当直观——伪造思维链型攻击的成功率，从GPT-5.1时期的95%一路骤降至最新模型上的不足10%；而最新款GPT-5.6 Sol，在GPT-Red直接实施的提示符注入攻击面前，失败率仅剩0.05%。

GPT-Red的训练机制颇具特色，采用的是自博弈强化学习路径：它自身与一组风格各异的防御型LLM，在一个庞大的红队场景池中同步对抗。GPT-Red每成功诱使防御模型犯错，便会获得奖励；而防御型模型则因成功抵御攻击、完成原始任务，同样获得奖励。随着防御模型日益增强，GPT-Red也被迫寻找更精巧、更多样化的攻击路径——这就像两位顶尖棋手对弈，棋力同步提升。

关键的一点是，“红队”模型与产品模型完全隔离。OpenAI认为，他们已经开启了一个正向循环：利用现有模型去增强未来模型的鲁棒性、一致性与可信度。从实际数据来看，这条路径确实行得通。