El nuevo modelo de OpenAI, GPT-6 Astra, ha logrado reducir significativamente la tasa de alucinaciones en comparación con su predecesor, GPT-5.6 Sol, y también bloquea el 99.99% de los ataques directos de inyección de comandos. Sin embargo, todavía tiene vulnerabilidades, ya que en conversaciones prolongadas, los atacantes pueden obtener respuestas problemáticas en aproximadamente una de cada tres ocasiones.
En términos de inyecciones indirectas, que consisten en comandos ocultos dentro de documentos que el AI analiza, la tasa de fallos de Astra ha disminuido de un 27% a un 8.5%. A pesar de esta mejora, OpenAI advierte que no es completamente confiable para implementaciones de agentes AI realmente seguras.
Astra ha demostrado ser más eficaz en la defensa contra ataques conocidos, logrando rechazar respuestas dañinas en un 91.5 a 98.3% de los casos, aunque su tasa de defensa se reduce a alrededor del 67% cuando los atacantes cambian su estrategia. Estos datos se obtuvieron sin las capas de seguridad que normalmente acompañan al producto final.