GPT-Redは攻撃側と防御側のAIを同時に鍛える「自己対戦」で訓練した。攻撃が成功すればGPT-Redに、防げば防御側に報酬を与える。防御が強くなるほど、GPT-Redはより巧妙で多様な攻撃を編み出すよう追い込まれる。投入した計算資源は、同社最大級のポストトレーニングに匹敵するという。 攻撃力は人間を大きく上回る。GPT-5.1を標的にした比較実験では、GPT-Redは84%のシナリオで攻撃に成功し、人間のレッドチームは13%にとどまった。GPT-5.5までの社内・製品モデルは、ほぼすべて突破できるとしている。 実地試験の標的は、OpenAIのオフィスで実際に稼働するAI自販機だ。価格の設定や商品の発注、注文の管理はAIエージェントが担っている。GPT-Redはまず模擬環境で攻撃を練り上げ、本番のエージェントに不正な指示を送り込んだ。だまされたエージェントは、高額商品の価格を下限の0.5

