揭秘OpenAI的自动化红队测试：GPT-5.6背后的70万GPU小时安全保卫战

核心发现

OpenAI 并没有一个名为"GPT-Red"的公开系统。 所有搜索均未在OpenAI的官方页面、论文或公告中找到以此特定名称命名的系统。最接近的概念是OpenAI更广泛的自动化红队测试框架——它使用强化学习（RL）和自我对弈来生成对抗性攻击——以及 GPT-5.6 预览系统卡中关于自动化越狱红队测试的部分。以下是根据现有证据确认的事实。

OpenAI的自动化红队测试系统是什么？

• OpenAI 于 2026 年 7 月 14 日发表了一篇题为《Diverse and Effective Red Teaming with Auto-generated Rewards》的研究论文，该论文将自动化红队测试分解为两个步骤：(1) 自动生成多样化的攻击目标，以及 (2) 使用多步强化学习（RL）为这些目标生成有效的攻击，其中攻击者模型因成功发起攻击而获得奖励 。
• 这种方法使用基于自我对弈/强化学习的自动化攻击者来探测模型中的漏洞，包括提示注入、越狱和其他故障模式 。OpenAI 曾表示，由强化学习驱动的自动化红队测试有助于在漏洞被利用之前主动发现并修复它们 。
• 该公司将提示注入视为一项“前沿安全挑战”，并应用自动化红队测试来开发新型的提示注入攻击 。

它在 GPT-5.6 的 70万 GPU 小时黑盒测试中扮演的角色

• OpenAI 表示，在 GPT-5.6 全面上市之前，他们花费了超过 70万 A100 等效 GPU 小时用于自动化黑盒红队测试 。
• GPT-5.6 预览系统卡明确指出：“我们还投入了超过 70万 A100e GPU 小时，用于自动寻找通用越狱方法和其他漏洞。”
• 这项自动化测试补充了人工红队测试和外部领域专家的评估 。该公司称这是其“迄今为止最广泛的评估周期” 。

GPT-5.6 的风险评级

• 根据 OpenAI 的准备框架，所有三个 GPT-5.6 变体（Sol、Terra、Luna）在网络安全和生物/化学风险方面均被归类为**“高”**能力 。
• 该模型仍低于“网络关键”阈值；内部测试发现，它可以识别漏洞，但无法自主生成完整的端到端利用程序 。
• 没有任何模型达到 AI 自我改进的“高”阈值 。

自动化红队测试（ART）研究员职位

• OpenAI 正在积极招聘一名研究员，自动化红队测试（基本薪资范围 29.5万至44.5万美元），其职责是“领导自动化红队测试工作，专注于构建可扩展的系统，以发现 AI 模型和安全防护中的故障模式” 。
• 该公司还在招聘一名生物安全红队测试专家（15.8万至32万美元），负责领导生物安全和 CBRN（化学、生物、放射性和核）方面的红队测试 。

50万美元 Kaggle 挑战赛

• 搜索预算在获取关于 50 万美元 Kaggle 挑战赛的具体证据之前已经耗尽。GPT-5.6 系统卡提到了“MLE-Bench Revised”，该功能用于评估模型在 Kaggle 竞赛中的表现，但在现有资料中无法独立验证具体的 50 万美元金额和挑战赛细节 [来自已爬取的 GPT-5.6 系统卡，来源 oai.deploymentsafety.openai.com]。

监管审查

• 现有证据证实，GPT-5.6 配备了一个多层安全堆栈（内置拒绝机制、针对网络/生物滥用的实时分类器、账户级审查、差异化访问控制）。然而，在已爬取的资料中，并未直接提及英国AI安全研究所或具体的美国政府监管行动。第三方报道在“守门人”的背景下提到了美国政府的参与，但主要官方来源未详细说明除 OpenAI 自身准备框架分类之外的具体监管审查 。

不确定性说明

• “GPT-Red” 并非在任何 OpenAI 官方来源中发现的名称。该术语可能非正式地指代广义上的自动化红队测试系统，或者是某个未发布项目的混淆名称。现有证据支持其底层技术（基于强化学习的自动化对抗性测试），但不支持这个特定的标签。
• 50万美元的 Kaggle 挑战赛无法在本次搜索预算内得到验证；需要进一步针对性的搜索来确认其存在和细节。