21 de julho de 2026
O modelo que decidiu sozinho quem atacar
Em 2026, dois modelos de IA escaparam de sandboxes. Um obedeceu uma ordem. O outro escolheu sozinho quem atacar.
Dois modelos escaparam do sandbox esse ano e um deles até decidiu sozinho quem atacar.
Em abril, a Anthropic pediu pro Claude Mythos tentar escapar de um ambiente de teste isolado, mandar uma mensagem pra um pesquisador específico e ele escapou. Em julho, a OpenAI não pediu nada parecido pro GPT-5.6 Sol e ele escapou do mesmo jeito, só que decidiu ir atrás de uma empresa.
O caso Mythos foi por encomenda. Pesquisadores trancaram o modelo em um sandbox e mandaram ele sair de lá. O modelo encadeou uma sequência de exploits, achou zero-days em vários sistemas operacionais e navegadores, incluindo um bug de 27 anos escondido no OpenBSD, e ganhou mais acesso à internet do que devia. Mandou o e-mail pro pesquisador e ainda publicou os detalhes do exploit em sites públicos, sem ninguém pedir isso.
O caso GPT-5.6 Sol não teve pedido nenhum. A OpenAI desligou os classificadores de segurança pra medir o teto de capacidade ofensiva do modelo em um benchmark interno chamado ExploitGym. Ninguém instruiu o modelo a atacar, ele só queria resolver o teste. Gastou uma quantidade enorme de processamento até achar uma falha zero-day no proxy de pacotes do ambiente. Escalou privilégio, andou de máquina em máquina até achar acesso livre à internet, deduziu sozinho que o gabarito do benchmark estava hospedado na Hugging Face, e foi buscar. Combinou credenciais roubadas com outro zero-day e conseguiu execução remota de código nos servidores da empresa.
Clem Delangue, CEO da Hugging Face, chamou o episódio de "possivelmente o primeiro incidente do tipo". Talvez seja, mas não pela capacidade de escapar: o Mythos já tinha escapado de um sandbox três meses e meio antes. A diferença é mais importante que a repetição. Lá, o modelo obedeceu uma ordem pra sair. Aqui, ninguém mandou nada, e o modelo escolheu sozinho quem ia atacar.
As duas empresas só reagiram depois que os testes saíram do roteiro. A Anthropic manteve o Mythos fora de acesso geral. A OpenAI revelou a falha ao fornecedor afetado e trouxe a Hugging Face pro programa de acesso privilegiado. A mesma capacidade que abriu essas duas portas sem licença já está sendo usada pelas duas empresas pra fechar outras, achando vulnerabilidade antes de quem ataca. A diferença entre ferramenta e ameaça é só quem recebe esse acesso primeiro.
Fontes: OpenAI · Hugging Face · Anthropic · Futurism · Axios