OpenAI non ha un sistema chiamato 'GPT-Red'. Ecco cosa usa davvero per testare GPT-5.6

Cosa usa realmente OpenAI: un framework di red teaming automatizzato basato su RL

L'approccio di 'red teaming' automatizzato di OpenAI è documentato nel suo paper 'Diverse and Effective Red Teaming with Auto-generated Rewards' (14 luglio 2026) . Il sistema scompone il problema del 'red teaming' in due fasi:

1. Generazione automatica di obiettivi di attacco diversificati — il sistema crea un'ampia varietà di obiettivi avversari da testare.
2. Generazione efficace di attacchi tramite reinforcement learning multi-step — un modello attaccante viene addestrato e premiato per produrre con successo attacchi che raggiungono quegli obiettivi .

Questo metodo utilizza il self-play, in cui un attaccante automatizzato basato su LLM sonda il modello target alla ricerca di debolezze come prompt injection e jailbreak . OpenAI ha dichiarato che questo approccio basato su RL aiuta a scoprire e correggere preventivamente gli exploit prima che vengano utilizzati nel mondo reale . L'azienda ha descritto il prompt injection come una 'sfida di sicurezza di frontiera' e utilizza attivamente il 'red teaming' automatizzato per sviluppare nuovi attacchi di prompt injection .

Il test black-box da 700.000 ore GPU di GPT-5.6

Prima che GPT-5.6 raggiungesse la disponibilità generale, OpenAI ha sottoposto il modello al suo periodo di valutazione più esteso di sempre . La System Card di GPT-5.6 Preview afferma: 'Abbiamo anche dedicato oltre 700.000 ore GPU A100e per trovare automaticamente jailbreak universali e altre vulnerabilità' . Questo testing automatizzato ha integrato settimane di 'red teaming' umano e valutazioni di esperti esterni .

L'azienda ha impiegato questo enorme budget di calcolo per cercare jailbreak generali e sistemici, piuttosto che singoli fallimenti circoscritti . Il 'red teaming' automatizzato è stato progettato per funzionare in modo continuo anche dopo il rilascio, con mitigazioni e nuovi test applicati man mano che vengono segnalati nuovi jailbreak .

I livelli di rischio di GPT-5.6: Alti ma sotto la soglia Critica

Secondo il Preparedness Framework di OpenAI, tutte e tre le varianti di GPT-5.6 — Sol (ammiraglia), Terra (costo inferiore) e Luna (più veloce) — sono classificate come capacità 'Alta' sia in cybersecurity che in rischio biologico/chimico . Questa è la prima volta che anche i modelli più piccoli ed economici hanno superato la soglia 'Alta' per queste categorie .

Tuttavia, nessuno dei modelli ha raggiunto la soglia 'Critica'. I test interni di cybersecurity hanno rilevato che GPT-5.6 Sol e Terra potevano identificare vulnerabilità e pezzi di exploit, ma non erano in grado di eseguire in modo autonomo attacchi completi end-to-end . Nessuno dei modelli ha raggiunto la soglia 'Alta' per l'auto-miglioramento dell'IA .

Lo stack di sicurezza a più livelli

GPT-5.6 viene fornito con quello che OpenAI descrive come i 'suoi meccanismi di salvaguardia più robusti fino ad oggi' . L'architettura di sicurezza include:

• Rifiuto integrato a livello di modello per richieste ad alto rischio
• Classificatori di attivazione in tempo reale che analizzano i segnali neurali interni durante l'inferenza e possono mettere in pausa la generazione se emergono pattern ad alto rischio
• Classificatori in tempo reale per uso improprio informatico e biologico
• Revisione a livello di account e controllo dell'accesso differenziale

Questo approccio a strati riflette la conclusione di OpenAI che nessuna singola salvaguardia è sufficiente .

Il ruolo del Ricercatore di Red Teaming Automatizzato (ART)

OpenAI sta attivamente costruendo la sua capacità interna per il 'red teaming' automatizzato. L'azienda sta assumendo un Ricercatore, Automated Red Teaming (stipendio base $295K–$445K) il cui ruolo è 'guidare lo sforzo di Automated Red Teaming, concentrandosi sulla costruzione di sistemi scalabili per scoprire modalità di fallimento nei modelli IA e nei sistemi di salvaguardia' . L'azienda sta anche reclutando uno Specialista di Red Teaming per la Biosicurezza ($158K–$320K) per guidare gli sforzi di 'red teaming' per la biosicurezza e le minacce CBRN .

La sfida Kaggle da $500.000

OpenAI ha ospitato una sfida di 'Red Teaming' su Kaggle con un montepremi di $500.000, incentrata sui suoi modelli open-weight gpt-oss-120b e gpt-oss-20b . La competizione ha incentivato i partecipanti a scoprire vulnerabilità inedite non identificate in precedenza . Sebbene la cifra specifica di $500.000 e i dettagli della sfida non abbiano potuto essere verificati in modo indipendente dalle fonti ufficiali di OpenAI in questa analisi, la testata TechPolicy.Press conferma l'esistenza della competizione . La System Card di GPT-5.6 menziona 'MLE-Bench Revised', che valuta i modelli sulle competizioni Kaggle, ma non fa riferimento diretto al premio di $500.000.

Contesto normativo e incertezza

Le prove disponibili confermano che GPT-5.6 viene fornito con uno stack di sicurezza a più livelli e che il framework di preparazione di OpenAI ha classificato i propri modelli . La copertura di terze parti nota il coinvolgimento del governo statunitense in un contesto di 'gatekeeping', in cui il governo potrebbe influenzare l'accesso ai modelli più capaci . Tuttavia, non è stata trovata menzione diretta dell'UK AI Safety Institute o di specifiche azioni normative statunitensi nelle fonti primarie esaminate. La documentazione ufficiale della system card di OpenAI affronta le classificazioni di sicurezza ma non dettaglia il controllo normativo esterno al di là del proprio Preparedness Framework .