Исследователь в области безопасности Касра Рахджерди протестировал большие языковые модели на возможности их использования для взлома уязвимого приложения, содержащего открытые учетные данные сервера Google. GPT-5.5 смог решить 7 из 10 задач, показав наивысший процент успешных попыток, но стоимость каждого успешного результата составила 9,46 доллара. DeepSeek V4 Pro справился с 3 из 10 задач при стоимости 0,62 доллара за успешный результат, что в пятнадцать раз меньше затрат GPT-5.5. Gemini не смог завершить ни одной из задач из-за наличия механизмов отказа.