El investigador de seguridad Kasra Rahjerdi probó los modelos LLM para ver si podían explotar una aplicación vulnerable que exponía las credenciales del backend de Google. GPT-5.5 logró resolver 7 de los 10 casos, con la tasa más alta de éxito, pero costó 9.46 dólares por cada éxito. DeepSeek V4 Pro tuvo éxito en 3 de los 10 casos, a un costo de 0.62 dólares por éxito, es decir, una quincuagésima parte del costo de GPT-5.5. Por su parte, Gemini no logró ningún éxito debido a los mecanismos de rechazo incorporados en la aplicación.