OpenAI 于周三(10 月 7 日)发布了 GPT-6,其安全性能较 GPT-5.6 有了显著提升。新模型以 GPT-6 Sol(付费层级)和 GPT-6 Luna(免费版和 Go 版本)的形式提供,在抵御多轮越狱攻击、提示词注入以及高风险内容请求方面表现更强。
在指令级鲁棒性测试中,GPT-6 Sol 和 GPT-6 Luna 拦截恶意指令的成功率分别达到 99.99% 和 99.79%,接近完美表现。在所有攻击预算规模下,多轮越狱防御率均超过上一代。OpenAI 表示,这些安全改进融入了现实世界的使用模式,使模型能够通过分析对话历史和上下文来检测风险。