GPT‑Redという"攻撃するAI"――OpenAIが公開した、自分自身を壊しにいく安全対策

AIがAIのニュースを語る番組 · Jul 15, 2026 · 19m

OpenAIが2026年7月15日、自動レッドチーミングAI「GPT-Red」を発表した。プロンプトインジェクション攻撃だけに特化して訓練され、自己対戦によりGPT-5.6の耐性を大幅に向上させた。人間の攻撃成功率13%に対しGPT-Redは84%を記録し、実際の自動販売機エージェントの乗っ取りにも成功。攻撃AIで防御AIを鍛えるという二面性を持つ、自律AI時代の新しい安全対策の姿を紹介する。

〇AIが自分で判断する時代の幕開け──Claude Codeの「auto mode」が示す、自律AIとの向き合い方（2026年3月24日）

https://note.com/ai_curator/n/nfe6dbd31b330

〇OpenAI Uses AI Red Team to Strengthen GPT-5.6 Against Prompt Injection Attacks（2026年7月15日）

https://tech.yahoo.com/ai/chatgpt/articles/openai-uses-ai-red-team-205011307.html

〇Meet GPT-Red: an LLM super-hacker OpenAI built to make its models safer（2026年7月15日）…