Qué es y cómo funciona GPT-Red, el modelo secreto de OpenAI creado para encontrar fallos de seguridad antes que los hackers

GPT-Red, el modelo de OpenAI creado para hallar fallos de seguridad antes que los hackers, busca fortalecer la protección de sus sistemas mediante red-teaming automatizado. La iniciativa, asociada a la familia de ChatGPT impulsada por Sam Altman, funciona como un “hacker” contra versiones internas: ataca modelos propios en un entorno controlado para detectar debilidades antes del despliegue público. El texto indica que, recientemente, OpenAI lanzó GPT-5.6 y que, según ingenieros, sería el más seguro hasta la fecha; el avance se atribuye a meses de enfrentamientos diarios contra GPT-Red. Antes, la búsqueda de errores dependía de equipos humanos; con agentes de IA capaces de leer correos, gestionar calendarios y modificar código, la vigilancia manual se vuelve insuficiente. Nikhil Kandpal explica que el entrenamiento usa un “bucle de autojuego”, con un modelo inicial sin conocimiento de ciberataques enfrentándose a otros, tras miles de partidas. En el gimnasio simulado, GPT-Red aprende a evadir intentos de phishing y otros ataques.