OpenAI出大招，用AI打AI

这次OpenAI走的是一条典型的“以毒攻毒”路线。以前做模型安全主要靠人工红队去“找茬”，但人的精力有限，根本跟不上模型迭代的速度。现在直接搞个GPT-Red来搞自博弈，让AI自己攻击自己，通过大规模的对抗样本强行给防御方“喂药”，这种进化速度确实恐怖。

最让我关注的是它在自动售货机智能体上的实战表现，能模拟改价格、窃订单，这说明随着AI Agent接入更多现实API，安全漏洞不再是简单的“对话跑题”，而是实打实的资产损失。好在这次更新证明了安全和性能并不冲突，不需要为了安全而让模型变得死板（比如动不动就回一句“作为一个AI语言模型，我无法...”）。这种自动化安全飞轮一旦跑通，以后大模型的鲁棒性可能会迎来质的飞跃。