Các phương pháp kiểm thử hiện tại dành cho các mô hình AI tiên phong (frontier AI) đang trở nên lỗi thời khi khả năng tấn công mạng của các mô hình này nhanh chóng vượt qua các tiêu chuẩn đánh giá (benchmarks) hiện có. Khi các mô hình AI như GPT-5.5 thể hiện khả năng suy luận nâng cao và hành vi tác nhân (agentic behaviors), các bài kiểm tra tĩnh tập trung vào các tác vụ riêng lẻ không thể nắm bắt được tiềm năng thực sự của chúng trong môi trường thực tế. Do đó, các nhà hoạch định chính sách và đội ngũ an ninh đang thiếu các thước đo rõ ràng để dự đoán mức độ an toàn khi triển khai. Để ứng phó, các công ty dẫn đầu ngành như Anthropic đang hợp tác với các đối tác như Google và Microsoft để phát triển các tiêu chuẩn đánh giá chuẩn hóa, tập trung vào tác động thực tế của các vụ vượt rào (jailbreaks). Trong khi đó, các phòng thí nghiệm kiểm thử như Irregular đang tạo ra các thước đo mới để đo lường các tác vụ tấn công như thực thi mã từ xa (remote code execution) và leo thang đặc quyền (privilege escalation). Sự chuyển dịch này nhấn mạnh nhu cầu cấp thiết về các phương pháp đánh giá mô phỏng hệ thống vận hành thực tế để xác định mức độ hiệu quả của AI trong việc vượt qua các kiểm soát an ninh hoặc di chuyển ngang (move laterally) qua các mạng lưới.