A IA entra na era da prova: verificar o modelo, atacar o código, medir o retorno

Cibersegurança: um modelo que encontra falhas e as explora

A OpenAI apresentou a 5 de novembro o GPT-6 Cyber, treinado para encontrar e validar vulnerabilidades exploráveis dentro dos limites definidos pelos investigadores. A empresa classificou-o como Critical no seu Preparedness Framework, um nível acima do GPT-5.6 Cyber.

Os números são concretos. No ExploitGym, que testa a exploração de uma vulnerabilidade indicada, o modelo alcançou 48,5%, contra 32,1% da geração anterior — melhoria relativa de 51%. No RemoteExploitBench, o GPT-6 Astra recusou 100% das tarefas ofensivas e o GPT-6 Cyber completou 95%.

O impacto já saiu do laboratório. Numa campanha divulgada no dia anterior, a OpenAI descreveu a produção de 948 exploits de escalada de privilégios local a partir de 1 724 vulnerabilidades do kernel Linux, a 1 279 dólares por exploit em custos de API. A mesma campanha identificou 81 vulnerabilidades de severidade alta desconhecidas no Firefox; a Mozilla já lançou correções.

A contenção faz parte do produto: o modelo evitou explorar serviços fora do âmbito em 99,93% dos testes. O acesso está restrito a equipas verificadas — Daybreak Red para desenvolvimento autorizado, Daybreak Blue para validação — e clientes como Cisco, CrowdStrike e CodeRabbit já o usam.

Grinstead, da Mozilla, afirmou que o modelo descobriu vulnerabilidades desconhecidas num código já endurecido por várias gerações de modelos de fronteira. É a formulação mais honesta do dilema: a mesma capacidade que fecha falhas abre a porta a quem as queira usar.

Confiança: provar qual modelo respondeu

A Anthropic publicou a 2 de novembro o FlashProve, um protótipo open source de inferência provável. O fornecedor publica uma impressão digital dos pesos do modelo e cada resposta vem acompanhada de uma prova criptográfica de que esses pesos a produziram, sem os revelar.

A construção assenta em zkSNARKs. Nos testes, um único H100 gerou provas a cerca de 110 tokens por segundo sobre o Llama 4 Maverick, de 400 mil milhões de parâmetros em mixture-of-experts, com provas de 19 MB por pedido de 1 024 tokens. A verificação demora 17 segundos num CPU de 24 núcleos, sem GPU. O custo é o tempo de GPU, entre 70 e 95 vezes o da inferência normal; a prova anterior levava 14,3 horas para mil tokens.

O código, o relatório técnico e as provas formais em Lean estão disponíveis sob licença Apache 2.0. As limitações são declaradas: janelas de 1 024 tokens, descodificação greedy e ausência de garantia formal de que o verificador em C++ corresponde às provas em Lean. Não há planos de implantação.

A pergunta "que modelo respondeu?" deixa de ser filosófica e passa a ser exigência de auditoria. Hoje, um utilizador não consegue saber se um router trocou o modelo por outro mais barato ou alterou a resposta.

Economia da inferência: cortar o custo de pensar

A terceira frente é menos visível e talvez mais decisiva. Investigadores da Prefrontal AI e da ETH Zurich apresentaram o Latent Sparse Attention (LSA), que organiza os valores de atenção em clusters pesquisáveis num espaço latente. Em tarefas de 10 milhões de tokens, reduziu o tempo até ao primeiro token em mais de nove vezes face à atenção completa.

O problema que resolve é mensurável: numa experiência com o GLM-5.3-Flash, a seleção de tokens relevantes consumia 98% do tempo de prefill de uma camada de atenção. Com agentes a acumular milhões de tokens em repositórios, este custo decide se um produto é viável.

A Anthropic seguiu o mesmo instinto no Claude Code. A versão 2.1.316 resolveu um desperdício silencioso: cada subagente em segundo plano reescrevia a linha de estado de 30 em 30 segundos e relia todo o histórico. Agora o Haiku 5.5 escreve essa atualização a partir de notas curtas, com custo 99% menor por atualização e 6% mais pedidos antes da quota.

A oferta de infraestrutura acompanha: a Google Cloud disponibilizou 80 mil GPUs num único data center, em instâncias A5X com NVIDIA Vera Rubin, a Kimi.ai publicou os pesos do K3.1 Pro e a OpenAI lançou o ChatGPT Images 2.6, com geração em seis segundos.

Permissão: os eleitores travam os data centers

Nos Estados Unidos, a expansão física da IA passou pelas urnas e perdeu. Das 41 medidas sobre data centers em 10 estados, os eleitores apoiaram restrições ou rejeitaram medidas pró-desenvolvimento em 40. A única exceção foi Harwood, no Dakota do Norte.

A sondagem à boca das urnas da NBC indicou que 76% dos eleitores se oporiam a um novo data center na sua comunidade e que 56% consideraram a IA um fator crucial no voto. As campanhas contrárias mobilizaram mais de 100 milhões de dólares, num tema que deixou de ser local para se tornar nacional.

A reação da indústria foi de vocabulário: a OpenAI começou a chamar "campus de computação" às suas instalações e multiplicaram-se os acordos de confidencialidade com autarcas. Em paralelo, a Google anunciou 15 mil milhões de dólares em data centers na Malásia. Não é uma questão de tecnologia: é licença para operar.

Retorno: a produtividade não chega

O último dado fecha o círculo. O relatório State of AI in the Enterprise da Deloitte, com 3 500 líderes empresariais, mostra adoção larga e transformação estreita. Oitenta e um por cento dizem usar IA para acelerar a decisão, mas apenas 25% consideram que essa utilização transformou o negócio de forma significativa. Sessenta por cento redesenharam funções em torno da IA, mas só 15% de forma extensa, e apenas 15% registam mudança fundamental na autoridade de decisão.

Jim Rowan, responsável de IA da Deloitte, afirmou que o retorno real não vem de fazer o trabalho existente mais depressa, mas de redesenhar o trabalho de raiz — e que as organizações com sucesso tratam a IA como iniciativa de transformação e não como implantação tecnológica.

A forma de medir revela a mesma armadilha. Cerca de 40% medem o retorno em horas poupadas; apenas 27% acompanham receita nova. É mais fácil contabilizar tempo do que valor, e essa facilidade explica porque tantos projetos param no ganho de produtividade. As métricas de software acompanham: a Intercom cobra por conversa resolvida e a Salesforce por créditos de agente.

Para uma PME, a mensagem é prática. A tecnologia está mais barata por token e mais capaz, mas o gargalo está na verificação e na reinvenção dos processos. Três perguntas testam qualquer projeto: que trabalho vai deixar de existir, quem decide com a informação produzida e como se mede o resultado em euros. Sem as três respostas, o projeto produz atividade e não valor.

🧰 Toolkit: IA no Terreno

• Gemini app: cria e edita Docs, Sheets e apresentações na conversa, com exportação para PDF.
• Canva Brush: aplica um novo estilo a um design existente sem perder a edição; até 69% mais rápido.
• Otter Work Mode: prepara um briefing antes da reunião e redige o email de seguimento e as notas de CRM depois.
• Corvo: email que separa mensagens, atualizações e promoções, remove pixels de rastreio e não envia sem aprovação.
• Paradev: corre vários agentes de código em paralelo, cada um com o seu worktree e branch.
• Beacon.sh: memória open source partilhada entre Claude Code, Cursor, Codex e OpenCode.

A semana deixa uma conclusão que não depende do próximo lançamento: o valor da IA já não se demonstra com uma demonstração. Demonstra-se com um exploit reproduzível, uma prova criptográfica, um custo por token medido e um euro de receita nova. Quem conseguir provar as quatro coisas define o padrão; quem continuar a pedir confiança sem evidência enfrenta o ceticismo dos clientes, a exigência dos reguladores e a resistência das comunidades onde quer instalar computadores.

#IAPortugal #noticiasIA