Apa yang terjadi
OpenAI mengungkapkan (15 Juli 2026) GPT-Red, model hanya-internal yang dilatih melalui self-play adversarial untuk menghasilkan serangan prompt-injection terhadap model pembela dalam skala besar, dengan serangan yang berhasil dimasukkan kembali ke dalam pelatihan. OpenAI melaporkan GPT-Red menemukan serangan yang berhasil dalam 84% skenario indirect-injection yang ditahan vs. 13% untuk red-teamer manusia, dan bahwa pelatihan terhadapnya membuat GPT-5.6 Sol 6 kali lebih tahan terhadap prompt injection dibandingkan model terbaik OpenAI empat bulan sebelumnya; studi kasus mencakup pembajakan agen mesin penjual otomatis langsung dan skenario data-exfiltration CLI Codex.
Mengapa penting
Menunjukkan flywheel red-teaming AI-vs-AI yang dapat diskalakan menjadi praktik standar di laboratorium frontier terkemuka khusus untuk memperkuat model produksi terhadap prompt injection — vektor serangan AI berbasis agen teratas — dengan angka ketangguhan sebelum/sesudah konkret pada model yang dikirimkan (GPT-5.6).
Cakupan penerapan
Lab AI dan pembuat agen perusahaan harus melacak ini sebagai benchmark untuk metodologi pengujian ketahanan prompt-injection; GPT-Red sendiri tidak dirilis secara publik.