OpenAI разработала специальную нейросеть-хакера под названием GPT-Red, которая помогает тестировать безопасность других моделей компании. GPT-Red автоматизирует процесс «красной команды» — поиска уязвимостей, который раньше выполняли люди-тестеры. В ходе тренировок в специальной «среде» ИИ-хакер научился находить новые типы атак, включая подделку «цепочек мыслей» — внутренних заметок модели. Благодаря этому новая версия GPT-5.6 стала самой защищённой. Однако GPT-Red не идеален: он плохо справляется с диалоговыми атаками и изображениями. OpenAI не планирует выпускать его в открытый доступ, считая, что повторить такой проект сложно из-за ресурсов.