--- title: "IA ganha freios contra ataques em OpenAI e Kimi" author: "Lígia Lemos Maia" date: "2026-10-24 06:23:35.991-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/10/24/ia-ganha-freios-contra-ataques-em-openai-e-kimi/md" --- ## Resumo - OpenAI e NASK firmaram uma parceria anunciada em 23 de outubro de 2026 para pesquisar segurança e vulnerabilidades em sistemas avançados de IA. - O CERT Polska, ligado ao NASK, identificou seis vulnerabilidades no MikroTik RouterOS usando modelos da OpenAI em uma colaboração iniciada em julho de 2026. - A Moonshot AI removeu dados de ataques cibernéticos do treinamento e dos ambientes de aprendizado por reforço do Kimi K3.1 Pro. - Em testes internos, o Kimi restrito marcou 81,0%, contra 90,5% da versão sem as medidas de mitigação. - Mesmo com as restrições, o Kimi K3.1 Pro superou o modelo anterior K3, que atingiu 33,3% no teste citado. - Os resultados do benchmark da Moonshot não foram verificados de forma independente. - Os pesos do Kimi K3.1 Pro estão programados para ser disponibilizados a desenvolvedores externos em 4 de novembro de 2026. --- Em **23 e 24 de outubro de 2026**, duas empresas de inteligência artificial escolheram respostas diferentes para o mesmo problema: sistemas capazes de encontrar vulnerabilidades também podem ser usados para explorá-las. A [**OpenAI** anunciou uma parceria com o NASK](https://openai.com/index/openai-nask-ai-safety-security-partnership), instituto polonês voltado à pesquisa de segurança em IA, enquanto a [**Moonshot AI** reduziu as capacidades cibernéticas ofensivas do Kimi K3.1 Pro](https://www.reuters.com/technology/moonshot-curbs-hacking-ability-new-kimi-model-fears-grow-over-ai-powered-2026-10-24). Uma frente aposta em pesquisa institucional; a outra, em retirar capacidades antes que o produto chegue a desenvolvedores externos. Nenhuma das duas medidas permite concluir que a ameaça desapareceu. ## Duas formas de colocar limites Na resposta da OpenAI, a segurança aparece como uma tarefa compartilhada entre uma empresa de modelos e uma instituição pública de pesquisa. O acordo envolve o **AI Safety Research Center do NASK**, que trabalha na avaliação de sistemas avançados, na identificação de vulnerabilidades e no fortalecimento de barreiras de segurança. A cooperação também combina a experiência técnica da OpenAI com a pesquisa acadêmica e de segurança pública do instituto polonês. A pergunta que surge não é apenas quem constrói modelos mais capazes, mas quem terá condições de examiná-los quando suas habilidades começarem a ultrapassar os testes habituais. Essa parceria tem uma origem concreta. Em **julho de 2026**, o CERT Polska, parte do NASK, usou modelos da OpenAI para identificar **seis vulnerabilidades** no MikroTik RouterOS, sistema utilizado em roteadores, e o fornecedor corrigiu as falhas depois. O episódio dá à colaboração uma dimensão prática: a pesquisa não fica restrita a uma discussão abstrata sobre riscos futuros, pois já foi associada à descoberta de problemas em um software real. Ainda assim, encontrar vulnerabilidades é diferente de impedir todos os usos indevidos que podem surgir a partir delas. ## Quando a proteção começa dentro do modelo A decisão da Moonshot segue um caminho mais direto. Antes do lançamento dos pesos do **Kimi K3.1 Pro**, previsto para **4 de novembro de 2026**, a empresa removeu dados relacionados a ataques cibernéticos do corpus de treinamento e dos ambientes de aprendizado por reforço. Em termos simples, a tentativa foi alterar a preparação do modelo para reduzir sua disposição ou capacidade de ajudar em ataques. O gesto importa porque os pesos abertos permitem que desenvolvedores externos tenham acesso à estrutura numérica que define o comportamento do sistema, mas a própria ideia de redução já reconhece uma tensão: uma ferramenta mais limitada também pode ser menos útil em tarefas legítimas de segurança. Os números ajudam a medir essa escolha sem transformá-la em promessa. Em testes internos de exploração de vulnerabilidades de software, a versão com restrições alcançou **81,0%**, enquanto a versão sem as medidas de mitigação chegou a **90,5%**. A queda mostra que a Moonshot sacrificou parte da capacidade ofensiva que pretendia conter. Ao mesmo tempo, o Kimi K3.1 Pro restrito superou o modelo anterior K3, que marcou **33,3%** no mesmo tipo de teste. A ferramenta perdeu desempenho em relação a si própria sem restrições, mas continuou mais capaz que sua antecessora, uma combinação que torna qualquer declaração de segurança total difícil de sustentar. ## O que os testes conseguem dizer Há uma delicadeza escondida nesses percentuais. Eles medem um conjunto interno de tarefas, e não todos os caminhos pelos quais um modelo poderia ser usado fora do laboratório. A informação disponível também registra que o benchmark de cibersegurança da Moonshot **não foi verificado de forma independente**. Isso não invalida o resultado, mas muda seu peso: 81% e 90,5% descrevem uma comparação feita sob determinadas condições, não um certificado universal sobre o comportamento do modelo. Na prática, quem avalia uma ferramenta assim precisa perguntar quais tarefas foram escolhidas, quais usos ficaram de fora e se outra equipe obteria os mesmos resultados. A parceria da OpenAI com o NASK apresenta o problema por outro ângulo. Em vez de retirar dados específicos antes do lançamento, ela amplia a capacidade de testar sistemas avançados e localizar pontos frágeis. A experiência anterior com o **MikroTik RouterOS** sugere como esse trabalho pode produzir ganhos concretos, mas não autoriza uma conclusão maior do que a fonte sustenta. Uma investigação bem-sucedida pode revelar falhas; ela não transforma automaticamente o sistema investigado em uma tecnologia sem risco. Entre a descoberta de uma vulnerabilidade e a proteção contra seu próximo uso há sempre uma distância operacional, e é nessa distância que a pesquisa precisa continuar. ## A pergunta que permanece depois do anúncio As duas escolhas também distribuem a responsabilidade de maneiras distintas. A OpenAI e o NASK colocam a segurança em uma rede de pesquisa, avaliação e proteção pública. A Moonshot coloca o freio no próprio produto, antes de disponibilizar seus pesos. Uma estratégia depende de instituições capazes de observar e responder; a outra depende de decisões técnicas tomadas por quem controla o treinamento. Qual delas é mais confiável? A resposta não aparece nos anúncios, porque cada uma enfrenta um tipo diferente de limite: a pesquisa pode chegar depois da capacidade, enquanto a restrição pode chegar com lacunas difíceis de medir. O próximo marco será **4 de novembro**, quando os pesos do Kimi K3.1 Pro estão programados para chegar a desenvolvedores externos. Até lá, os dados disponíveis permitem dizer que a Moonshot reduziu o desempenho ofensivo em seu teste interno, não que eliminou a possibilidade de abuso. A parceria entre OpenAI e NASK, por sua vez, indica que a identificação de vulnerabilidades continuará sendo tratada como um trabalho técnico e institucional. Resta observar o que acontece quando esses dois gestos deixam o anúncio e encontram sistemas reais: de um lado, uma ferramenta deliberadamente incompleta; de outro, uma investigação tentando descobrir onde termina o controle humano.