Um teste de cibersegurança de duas horas, no valor de 1.500 dólares, colocou os principais modelos LLMs contra um aplicativo Android hackeado que exibia credenciais do Firebase expostas. O ainda não lançado GPT-5.5 teve uma taxa de sucesso de 70% nas tentativas, mas custava 9,46 dólares por tentativa. O código aberto DeepSeek V4Pro teve sucesso em 30% das tentativas, por apenas 0,62 dólares cada, oferecendo grande economia de custos para auditorias de segurança automatizadas. O Google Gemini recusou todas as tarefas; os modelos Claude tiveram sucesso duas vezes devido a medidas de segurança excessivamente rigorosas.