Modelos de IA Abertos Reduzem Diferença de Capacidade Cibernética em Relação a Sistemas Fechados por uma Fração do Custo
Novos resultados de benchmark da empresa de pesquisa Vals AI mostram que modelos de linguagem de pesos abertos estão diminuindo rapidamente a lacuna de capacidade de cibersegurança em relação aos principais modelos fechados, atingindo objetivos de ataque complexos com custos de tokens significativamente menores.
A lacuna de capacidade entre modelos de IA de pesos abertos e modelos proprietários fechados em tarefas autônomas de cibersegurança está diminuindo rapidamente, de acordo com novos dados de benchmark da empresa de pesquisa Vals AI.
Em testes realizados no benchmark Vals CyberOffense, modelos de pesos abertos disponíveis gratuitamente se aproximaram do desempenho de sistemas fechados de alto nível ao executar ataques de rede em múltiplos estágios por uma pequena fração do custo operacional.
Exploração Autônoma de Redes Corporativas
A avaliação Vals CyberOffense testa agentes de IA em ambientes de ataque isolados que simulam redes corporativas realistas. Cada modelo opera sozinho em uma máquina Kali Linux isolada, sem qualquer ajuda humana, começando apenas com um endereço web público. Para ter sucesso, o agente de IA deve emitir instruções de linha de comando, invadir aplicações web, navegar por servidores Windows e escalar privilégios para obter controle administrativo total. Todos os comandos e ações são registrados externamente e pontuados automaticamente em dois conjuntos principais de cenários: Nova (21 objetivos) e Lighthouse (31 objetivos).
Nos testes de benchmark, o GPT-6 Sol Daybreak — um modelo desenvolvido sob o programa cibernético restrito Daybreak da OpenAI — alcançou a maior pontuação geral, atingindo 80,8% dos objetivos de ataque. No teste Lighthouse de múltiplas empresas, o Daybreak assumiu com sucesso o controle de administrador de uma empresa inicial, coletou senhas e migrou para a rede de uma segunda empresa, completando 27 de 31 objetivos em menos de três horas.
No entanto, o modelo de pesos abertos Deepseek V4.1 Flash 1017 seguiu de perto, alcançando uma taxa de conclusão de objetivos geral de 72,8%. No teste Nova, o Deepseek superou o Daybreak, com uma média de 16,3 objetivos concluídos (variação de 15–18) em comparação aos 15,7 do Daybreak (variação de 12–19).
Crucialmente, o Deepseek executou seus testes a aproximadamente US$ 3 cada, em comparação com cerca de US$ 22 por execução do GPT-6 Sol Daybreak.
| Modelo | Pontuação Nova (de 21) | Pontuação Lighthouse (de 31) |
|---|---|---|
| GPT-6 Sol Daybreak | 15,7 (média) | 27 |
| Deepseek V4.1 Flash 1017 | 16,3 (média) | 21 |
| Kimi K3.1 Pro | 13 | 20 |
| Meta Wonder | 7 | 28 |
| Grok 4.7 | 12 | 16 |
| Kimi K3 | 9 | 10 |
| GLM 5.3 Flash | 5 | 5 |
O modelo aberto da Meta, Meta Wonder, apresentou um desempenho particularmente forte no cenário mais complexo, completando 28 de 31 objetivos no teste Lighthouse, apesar de uma pontuação Nova inferior de 7.
Tempos de Execução de Tokens Estendidos Revelam Capacidades Reais
Uma descoberta fundamental da pesquisa é o impacto da duração da computação no desempenho dos modelos abertos. Avaliações de benchmark curtas frequentemente subestimam os modelos abertos porque o progresso de seus ataques exige um processamento de contexto mais longo.
Durante os testes, o Deepseek V4.1 Flash não atingiu nenhum objetivo nos seus primeiros 25 milhões de tokens de processamento. O modelo só começou a alcançar avanços significativos após ultrapassar a marca de 100 milhões de tokens. Os pesquisadores observaram que a maioria dos modelos chineses abertos testados não obteve progresso relevante até passar desse limite de 100 milhões de tokens, destacando que benchmarks de segurança de curta duração ignoram o potencial operacional desses sistemas.
Cronogramas Reduzidos e Assimetrias de Custo
As descobertas da Vals AI refletem uma tendência mais ampla confirmada por organizações de segurança pública. Uma análise publicada em julho pelo UK AI Security Institute (AISI) observou que a lacuna de capacidade entre modelos de pesos abertos e modelos de fronteira fechados em domínios cibernéticos diminuiu para entre quatro e sete meses, ante seis a dez meses durante a maior parte de 2025.
As disparidades de custo entre ofertas abertas e fechadas permanecem gritantes. De acordo com dados de avaliação do AISI, realizar um teste de cyber-range com o Deepseek V4-Pro custa US$ 1,19, em comparação com US$ 85 para o Opus 4.5 da Anthropic. Além disso, as salvaguardas de segurança incorporadas em modelos de pesos abertos mostraram-se amplamente ineficazes uma vez que os pesos estavam acessíveis, já que os usuários não enfrentam restrições de provedores centrais na execução de comandos.
Descobertas complementares da Anthropic revelaram que o modelo de acesso livre GLM-5-3 pode construir exploits de segurança em níveis de capacidade que quase se igualam ao modelo de fronteira interno da Anthropic, o Mythos.
Implicações Defensivas
Pesquisadores da Vals AI enfatizaram que, uma vez publicados os pesos de um modelo, os provedores perdem a capacidade técnica de controlar ou revogar o acesso a capacidades perigosas. Consequentemente, espera-se que ataques de rede no mundo real usando agentes de IA automatizados aumentem nos próximos meses.
No entanto, os pesquisadores apontaram que a tendência oferece uma oportunidade essencial para as equipes de cibersegurança: os mesmos modelos de pesos abertos capazes de sondar redes corporativas podem ser implantados localmente por defensores de segurança para auditar sistemas, descobrir vulnerabilidades de dia zero (zero-day) e corrigir falhas de segurança antes que atores maliciosos possam explorá-las.
