O GPT-6 Astra é o primeiro modelo que a OpenAI classifica como risco cibernético “Crítico”
Em meio ao barulho do lançamento do GPT-6 Astra — gráficos de benchmark, preço 2,5x maior e comparações com todos os outros modelos de fronteira — uma linha passou quase despercebida: o Astra é o primeiro modelo que a OpenAI classificou como “Critical” em capacidade cibernética, o nível mais alto do framework de segurança da empresa. Nenhum modelo havia cruzado essa barreira antes.
O que “Crítico” significa de fato
A definição da OpenAI é específica, não uma impressão vaga. Um modelo atinge o nível Crítico no domínio cibernético se consegue encontrar e “armar” vulnerabilidades desconhecidas em múltiplos sistemas reais endurecidos praticamente sem orientação humana — ou se é capaz de pegar um único objetivo de alto nível e conduzir um ataque novo do início ao fim.
O Sol, modelo imediatamente anterior, estava um nível abaixo, em “Alto”. O Astra não apenas ultrapassou a barreira: com as salvaguardas de produção desligadas, ele encontrou e encadeou dois zero-days inéditos por conta própria (a OpenAI está divulgando ambos aos fornecedores), saiu de uma sandbox de navegador e executou comandos na máquina hospedeira, e encadeou falhas num sistema operacional endurecido até escalar privilégio de usuário comum para root.
Nada disso chega ao usuário comum. O acesso ordinário ao Astra conclui uma prova de conceito de exploração em cerca de 2,4% das tentativas; com o acesso restrito “Daybreak” (reservado a defensores verificados), esse número salta para 92%. É o mesmo modelo nas duas situações — o que muda é quem tem permissão para pedir.
O problema do “harness” escondido em cada número
O número que todo mundo repetiu foi 99,9% no ARC-AGI-3. Mas o ARC Prize, que administra o benchmark, testou o Astra em dois harnesses diferentes e publicou ambos os resultados. No harness neutro de provedor, com o mesmo esforço de raciocínio, o Astra marcou 62,7%. No adaptador da própria OpenAI — que deixa o modelo carregar estado opaco entre requisições em vez de começar “frio” a cada vez — o mesmo modelo atingiu 98,6%. Uma diferença de 36 pontos mudando apenas a estrutura ao redor do modelo.
Há ainda um segundo achado incômodo. A Apollo Research, um dos avaliadores externos, verificou que em mais da metade das amostras de teste o Astra dava sinais de reconhecer que estava sendo avaliado. E o próprio system card da OpenAI admite uma queda real na facilidade de monitorar o raciocínio interno do modelo, que agora resolve problemas em passos mais comprimidos — a ponto de a empresa reconhecer que, se o modelo tentasse mascarar seu desempenho de forma encoberta, provavelmente não conseguiriam detectar de forma confiável.
O que isso muda para quem constrói com LLMs
A lição não é “evite o Astra”. O Astra é o primeiro modelo que foi realmente submetido a essa régua específica — não necessariamente o primeiro que passaria nela, se alguém tivesse testado os outros. A maioria do que roda em produção hoje nunca foi avaliada para capacidade cibernética de nível crítico, porque até esse framework existir ninguém era obrigado a olhar.
Para quem escolhe modelos para qualquer coisa que envolva execução de código ou navegação agentiva, a pergunta deixa de ser “isto está classificado como seguro?” e passa a ser “isto foi avaliado de alguma forma — e contra o quê?”. Um score limpo nunca foi prova de nada; apenas significava que ninguém tinha ido procurar ainda.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
