# OpenAI 用 GPT-Red 自动找漏洞，让 GPT-5.6 抗 prompt 注入能力强了 6 倍

> 原标题：OpenAI 发布 GPT-Red：通过自动化红队测试提升模型鲁棒性

- 来源：AI HOT 精选
- 发布时间：2026-07-15T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44568
- 原文：https://openai.com/index/unlocking-self-improvement-gpt-red

## 摘要

OpenAI 训了一个叫 GPT-Red 的自动化红队模型，专门通过自我博弈来找模型的安全漏洞，再把攻击样本喂给 GPT-5.6 做对抗训练。结果是在最难的直接 prompt 注入基准上，GPT-5.6 Sol 的失败次数比四个月前最好的生产模型少了 6 倍。OpenAI 说这是他们头一回把跟最大规模后训练相当的算力全砸在安全上。

## 推荐理由

OpenAI 第一次在主模型训练量级上做纯安全跑，而且给出了 GPT-5.6 Sol 在直接 prompt 注入上失败次数降 6 倍的具体数字，对红队和安全部署圈子来说是个硬参照。没打更高是因为目前只有一篇官方博客，没有第三方复现或更广的基准对比，实际泛化效果还得看后续验证。

## 锐评

敢把跟最大规模后训练相当的算力全砸在安全上，这个失败次数少 6 倍我信。

以前防直接 prompt 注入总想着靠外挂规则糊弄，GPT-Red 用自我博弈造样本对抗训练，效果确实拉开了。往后模型防御直接成了拼算力成本的重活，连红队都要单独训一个模型互殴，安全门槛被他们硬生生抬高了一个档次。
