OpenAI ได้สร้างโมเดลพิเศษชื่อ GPT-Red เพื่อทำหน้าที่เป็น 'ซูเปอร์แฮกเกอร์' ในการจำลองการโจมตีโมเดล AI ของตนเองเพื่อหาช่องโหว่ โดยใช้กระบวนการที่เรียกว่า Automated Red-teaming ซึ่งระบบจะพยายามค้นหาวิธีการใหม่ๆ ในการหลอกล่อหรือเจาะระบบโมเดลอื่นๆ ในสภาพแวดล้อมที่จำลองสถานการณ์จริง เช่น การใช้งานเว็บ การอ่านอีเมล หรือการแก้ไขโค้ด
จากการทดสอบ พบว่า GPT-Red สามารถค้นหารูปแบบการโจมตีแบบใหม่ที่มนุษย์ไม่เคยพบมาก่อน เช่น 'Fake Chain of Thought' ซึ่งเป็นการหลอกให้โมเดลประมวลผลข้อมูลปลอมเสมือนว่าเป็นผลลัพธ์ที่ตัวมันเองเคยบันทึกไว้ ผลจากการฝึกฝนร่วมกับ GPT-Red ทำให้ GPT-5.6 รุ่นล่าสุดมีความปลอดภัยเพิ่มขึ้นอย่างมาก โดยสามารถป้องกันการโจมตีที่รุนแรงได้ดีกว่า GPT-5 รุ่นก่อนหน้าอย่างเห็นได้ชัด (ลดอัตราการโจมตีสำเร็จจากกว่า 90% เหลือไม่ถึง 23%)
