Modelos de IA abertos reduzem a diferença de capacidade cibernética em relação a sistemas restritos

Modelos de IA de pesos abertos estão se aproximando de sistemas restritos em operações cibernéticas autônomas, segundo um benchmark da Vals AI noticiado pelo The Decoder. O GPT-6 Sol Daybreak da OpenAI concluiu 80,8% dos objetivos de ataque simulados, enquanto o DeepSeek V4.1 Flash, disponível gratuitamente, alcançou 72,8%, a um custo informado de cerca de US$ 3 por execução, contra aproximadamente US$ 22 do sistema da OpenAI.

O resultado importa porque a distinção de segurança entre modelos proprietários e modelos lançados abertamente está se tornando menos útil como indicador de risco cibernético. Os pesos de um modelo público não podem ser recolhidos nem restringidos centralmente por seu desenvolvedor, enquanto o menor custo operacional pode tornar ataques prolongados mais viáveis tanto para pesquisadores quanto para grupos criminosos.

As descobertas foram divulgadas, mas não verificadas de forma independente no material disponível. Elas vêm do benchmark CyberOffense da Vals AI, conforme descrito pelo The Decoder, e devem ser lidas como um sinal sobre a capacidade do modelo sob um desenho de teste específico — não como evidência de que qualquer um dos sistemas consiga comprometer empresas reais de forma confiável.

O que o benchmark da Vals AI testou

O benchmark coloca cada agente de IA em uma máquina de ataque isolada e fornece apenas um endereço web público. O agente não recebe assistência humana enquanto tenta avançar por uma rede corporativa simulada. A configuração busca testar se um modelo consegue descobrir vulnerabilidades, obter credenciais, elevar privilégios e perseguir objetivos em sistemas conectados.

Em um cenário mais difícil chamado Lighthouse, o The Decoder informa que o GPT-6 Sol Daybreak assumiu o controle administrativo de uma empresa simulada, extraiu senhas e as usou para acessar uma segunda empresa. Ele concluiu 27 de 31 objetivos em menos de três horas. O DeepSeek concluiu 21 objetivos, segundo o mesmo relatório.

Esses números não medem diretamente as taxas de violação no mundo real. Eles, porém, destacam uma capacidade frequentemente ignorada pelas avaliações convencionais de chatbots: planejar em várias etapas e continuar operando quando as ações iniciais falham.

Tempo de execução e custo mudaram a comparação

Um dos detalhes mais importantes dos resultados foi o papel do tempo de execução. Segundo os relatos, o DeepSeek não produziu resultados bem-sucedidos durante seus primeiros 25 milhões de tokens e só obteve a maior parte do progresso após ultrapassar 100 milhões de tokens. Avaliações curtas podem, portanto, subestimar o desempenho de um sistema de pesos abertos autorizado a continuar tentando.

Isso tem consequências práticas para defensores e equipes de produtos de IA. Um modelo menos eficaz por minuto ainda pode ser atraente para um atacante se puder operar de forma barata por horas ou dias. A comparação de custos divulgada pela Vals AI — cerca de US$ 3 por execução do DeepSeek V4.1 Flash e US$ 22 pelo GPT-6 Sol Daybreak — sugere que o preço, e não apenas a capacidade máxima, definirá como esses sistemas serão implantados.

O The Decoder também citou uma análise de julho do AI Security Institute do Reino Unido, que estimou que a diferença entre modelos de fronteira abertos e fechados em capacidades cibernéticas havia diminuído para quatro a sete meses, ante seis a dez meses durante a maior parte de 2025. Trata-se de uma análise do instituto divulgada pela publicação, não de um novo resultado do benchmark da Vals.

As evidências continuam limitadas e dependentes da fonte

As afirmações mais fortes desta história são baseadas em declarações de benchmark e fornecedores, e não em descobertas reproduzidas de forma independente. As evidências disponíveis identificam a Vals AI como fonte dos resultados do CyberOffense, mas não fornecem a metodologia completa do benchmark, as configurações dos modelos, os prompts ou os dados de replicação. Esses detalhes são essenciais para comparar os sistemas de forma justa.

Os resultados também podem depender do acesso a ferramentas, dos orçamentos de tokens, do desenho da rede, das regras de pontuação e do tempo concedido a cada agente. Os ganhos tardios do DeepSeek tornam especialmente importantes os orçamentos de tokens e tempo. Sem relatórios padronizados, um modelo pode parecer mais fraco ou mais forte conforme a avaliação favoreça progresso rápido ou persistência.

O The Decoder também informou que um estudo da Anthropic descobriu que o GLM-5-3, disponível gratuitamente, era capaz de criar exploits quase no nível de um modelo interno chamado Mythos. Essa comparação também é uma afirmação específica de um estudo e não deve ser tratada como um ranking universal de sistemas abertos e fechados.

Por que desenvolvedores e empresas devem se importar

Para as equipes de segurança, a implicação imediata é que as defesas precisam considerar fluxos automatizados e pacientes, e não apenas ataques rápidos. O monitoramento deve se concentrar em sequências incomuns de reconhecimento, acesso a credenciais, elevação de privilégios e movimentação lateral. Os testes também devem incluir agentes de longa duração com acesso realista a ferramentas, pois sessões curtas podem não capturar o comportamento destacado pela Vals AI.

Para os desenvolvedores de IA, os resultados criam um problema de engenharia com dois lados. As mesmas capacidades que permitem a um agente identificar caminhos exploráveis podem apoiar a descoberta de vulnerabilidades, a validação de patches e a triagem defensiva. Segundo relatos, a Vals AI argumenta que modelos ofensivos podem ajudar empresas a encontrar e corrigir vulnerabilidades primeiro. Transformar essa possibilidade em um produto seguro exige limites rígidos de autorização, ambientes isolados, registros de auditoria e controles que impeçam que ferramentas defensivas se tornem sistemas de intrusão de uso geral.

Compradores empresariais devem ter cautela ao considerar APIs fechadas automaticamente mais seguras. Os controles e o monitoramento do provedor podem facilitar a governança de modelos restritos, mas o custo e a capacidade relatados dos sistemas de pesos abertos significam que as organizações podem encontrar modelos cibernéticos poderosos fora do controle de um provedor. As análises de aquisição precisarão abranger não apenas qual modelo a empresa usa, mas também quais modelos podem ser acessados por funcionários, contratados e atacantes.

O que observar a seguir

Os próximos sinais úteis serão reproduções independentes dos resultados do CyberOffense da Vals AI, incluindo regras completas de pontuação e orçamentos de tokens equalizados. Os pesquisadores também devem relatar o desempenho em diferentes configurações de rede, permissões de ferramentas e limites de tempo, em vez de depender de uma única pontuação de destaque.

Os defensores devem observar campanhas de intrusão assistidas por IA de maior duração, novas avaliações de modelos de pesos abertos após execução prolongada e evidências de que agentes automatizados conseguem passar de redes simuladas para ambientes de produção mal protegidos. No lado dos produtos, avanços relevantes incluirão melhores controles de autorização, trilhas de auditoria mais claras e agentes defensivos capazes de demonstrar valor sem acesso irrestrito aos sistemas corporativos.

Perspectiva da Creati.ai

A principal mudança não é que os modelos abertos tenham definitivamente igualado os modelos fechados. É que a diferença restante pode oferecer pouco conforto quando um sistema aberto é mais barato, persistente e difícil de restringir depois de lançado. Capacidade, custo operacional e controle estão se tornando variáveis separadas do risco cibernético.

Para empresas de IA e equipes corporativas, a resposta sensata é melhorar as medições e fortalecer os limites de implantação — não entrar em pânico por causa de um único benchmark. Os resultados da Vals são um alerta importante, mas sua real importância dependerá de testes independentes confirmarem que os modelos abertos conseguem manter esses resultados em ambientes variados e realistas.