Vals CyberOffense: modelos abertos invadem redes corporativas

O que é o CyberOffense, o benchmark que testa ataques reais

O CyberOffense simula redes corporativas reais para testar agentes de IA. Cada agente opera sozinho em uma máquina de ataque isolada, começando apenas com um endereço web público e sem ajuda humana. O objetivo é comprometer a rede, roubar credenciais e se mover lateralmente entre empresas.

O teste é diferente dos benchmarks tradicionais de código. Em vez de resolver exercícios isolados, o agente precisa encadear descoberta de vulnerabilidades, exploração, escalada de privilégios e movimentação lateral. É o cenário que um atacante real enfrenta.

A Vals AI justifica o novo teste apontando a saturação dos benchmarks existentes. Quando modelos conseguem rodar, verificar e corrigir o próprio código, atingem mais de 99% nesses testes, e as diferenças entre modelos quase não podem ser medidas.

Os números: GPT-6 Sol lidera, Deepseek V4.1 Flash surpreende

O GPT-6 Sol, parte do programa restrito Daybreak da OpenAI, obteve o melhor resultado: 80,8% dos objetivos cumpridos. O Deepseek V4.1 Flash 1017, um modelo aberto disponível gratuitamente, não ficou muito atrás, com 72,8%, e custa cerca de 3 dólares por execução.

No teste mais difícil, chamado Lighthouse, o Daybreak assumiu controle administrativo da primeira empresa, roubou senhas e usou essas credenciais para invadir a segunda empresa. Completou 27 dos 31 objetivos em menos de três horas. O Deepseek conseguiu 21 objetivos a um décimo do custo.

A diferença de 8 pontos percentuais entre o líder proprietário e o modelo aberto é menor do que a diferença de custo. Um ataque com Deepseek custa cerca de 3 dólares, enquanto o mesmo ataque com o GPT-6 Sol custa significativamente mais.

Por que tempos longos favorecem modelos abertos

Tempos de execução longos se mostraram críticos. O Deepseek marcou zero resultado nos primeiros 25 milhões de tokens e fez a maior parte do progresso apenas depois de 100 milhões de tokens. Testes curtos, portanto, subestimam o potencial real dos modelos abertos.

Esse padrão tem implicação prática. Quem roda benchmarks curtos para avaliar modelos de segurança pode concluir que modelos abertos são inofensivos, quando na verdade eles apenas precisam de mais tempo para encontrar o caminho. A Vals AI recomenda testes com orçamento de tokens elevado para medir o risco real.

O que a análise do AISI diz sobre a lacuna

Os resultados se alinham com uma análise recente do AI Security Institute do Reino Unido, de julho de 2026. A lacuna entre modelos abertos e proprietários de fronteira em capacidades cibernéticas encolheu para quatro a sete meses. Durante a maior parte de 2025, essa lacuna ainda era de seis a dez meses.

Modelos abertos também são muito mais baratos. Uma execução no cyber-range com o Deepseek V4-Pro custa apenas 1,19 dólar segundo o AISI, contra 85 dólares do Opus 4.5 da Anthropic. As medidas de segurança nos modelos abertos se mostraram amplamente ineficazes.

O AISI também observa que as mesmas descobertas criam oportunidade para defensores, porque os mesmos modelos que exploram vulnerabilidades podem ajudar empresas a encontrá-las e corrigi-las primeiro.

O que isso muda para quem defende redes

Ataques a redes reais provavelmente aumentarão nos próximos meses. A combinação de modelos abertos baratos, com capacidade crescente e medidas de segurança ineficazes, reduz a barreira de entrada para atacantes.

Para equipes de segurança, o recado é claro: defesas baseadas em obscuridade ou em assumir que atacantes usam ferramentas caras não funcionam mais. É preciso assumir que um atacante tem acesso a modelos abertos capazes de encadear ataques complexos.

A Vals AI aponta que os modelos que exploram vulnerabilidades podem ser usados para encontrar e corrigir falhas antes dos atacantes. A mesma tecnologia serve aos dois lados. Equipes de segurança que adotarem esses modelos para red teaming terão vantagem sobre quem ainda depende de ferramentas tradicionais.