OpenAI 於七月十五日發表 GPT-Red，定位為內部使用的自動化安全紅隊模型，主要用來在模型廣泛部署前發現 prompt injection 等漏洞。OpenAI 表示，GPT-Red 透過自我對弈式 reinforcement learning 訓練，在多類真實場景中產生對抗樣本，並與人手及第三方紅隊、分層防護和即時監控並行。

技術重點在於把紅隊能力納入模型訓練迴圈。OpenAI 稱，GPT-Red 生成的攻擊樣本已用於訓練 GPT-5.6，使 GPT-5.6 Sol 在其最困難的直接 prompt injection benchmark 上，相比四個月前最佳生產模型的失敗次數少六倍；在一組直接 prompt injection 測試中，GPT-5.6 Sol 對 GPT-Red 的失敗率降至 0.05%。

對香港工程、顧問及建造企業而言，這類安全更新值得關注，因為 AI agents 正逐步連接瀏覽器、文件、電郵及業務工具。若工具輸出或第三方文件夾帶惡意指令，模型穩健性將直接影響採購、設計文件檢索、合約審閱及知識管理系統的資料安全。OpenAI 表示 GPT-Red 不會作公開部署，以避免把攻擊能力交到惡意行為者手上。

資料來源：OpenAI；另參考 MIT Technology Review 的獨立報道。