Le modèle rouge GPT-Red d’OpenAI attaque GPT-5.1 avec un taux de réussite de 84 %, réduisant la vulnérabilité aux attaques adverses à 0,05 %.

D’après la surveillance de Beating, OpenAI a dévoilé GPT-Red, un modèle automatisé de red-teaming conçu pour identifier et exploiter des vulnérabilités de sécurité dans ses systèmes d’IA. GPT-Red apprend à élaborer des attaques par injection de prompt grâce à l’auto-jeu, et les conclusions sont ensuite intégrées à l’entraînement de GPT-5.6.

Dans de nouveaux scénarios jamais vus auparavant, GPT-Red a atteint un taux de réussite des attaques de 84% contre GPT-5.1, contre seulement 13% pour des équipes humaines de red-teaming. Après un entraînement adversarial, GPT-5.6 Sol a réduit le taux de réussite des attaques directes par injection de prompt à 0,05%. GPT-Red reste réservé à un usage interne uniquement.