Agentes de IA conseguem invadir redes corporativas de teste de forma autônoma
A Vals AI descobriu que agentes autônomos conseguem navegar por redes corporativas simuladas e chegar a acesso de administrador sem ajuda humana.
Illustration made on Lumeta with GPT Image 2.5Make one like it
A Vals AI afirmou em 7 de novembro de 2026 que os modelos de pesos abertos chegaram muito mais perto dos sistemas de fronteira restritos em seus testes CyberOffense: o Deepseek V4.1 Flash 1017 atingiu 72,8 por cento dos objetivos do Nova, contra 80,8 por cento do GPT-6 Sol Daybreak, custando cerca de US$ 3 por execução em vez de aproximadamente US$ 22. Isso importa porque as mesmas habilidades agênticas que podem automatizar invasões também podem ser usadas por defensores para testar e reforçar suas próprias redes já.
O que a Vals descobriu
A Vals criou um benchmark chamado CyberOffense que simula redes corporativas realistas. Cada agente parte de uma máquina Kali Linux isolada, apenas com um endereço web público e sem ajuda humana, e precisa avançar de uma aplicação web para sistemas Windows e acessos com privilégios mais altos. No cenário Nova, o GPT-6 Sol Daybreak liderou no geral, enquanto o Deepseek ficou próximo e saiu muito mais barato. No cenário Lighthouse, mais difícil, a tabela mostra o Meta Wonder com 28 de 31 objetivos, o GPT-6 Sol Daybreak com 27 e o Deepseek V4.1 Flash 1017 com 21.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Por que isso importa
A Vals diz que execuções mais longas são essenciais para entender o que esses sistemas realmente conseguem fazer. O Deepseek teria marcado zero nos primeiros 25 milhões de tokens e obtido a maior parte de seus ganhos só depois de 100 milhões, o que significa que testes curtos podem subestimar a capacidade dos modelos abertos. Isso condiz com pesquisas anteriores. O AI Security Institute do Reino Unido afirmou em julho que a diferença entre modelos de fronteira abertos e fechados em tarefas cibernéticas havia caído para quatro a sete meses, ante seis a dez meses durante a maior parte de 2025. O mesmo estudo também encontrou grandes diferenças de preço: uma execução em cyber range do Deepseek V4-Pro custou US$ 1,19, contra US$ 85 do Anthropic Opus 4.5. A Anthropic relatou separadamente que o GLM-5-3 conseguia criar exploits quase no mesmo nível do Mythos, seu principal modelo interno.
O que as equipes de segurança podem fazer agora
- Testar novamente aplicações expostas à internet, sistemas de identidade e caminhos de privilégio com exercícios de red team no estilo de agentes, e não apenas verificações pontuais limitadas.
- Reservar orçamento para avaliações mais longas. Execuções curtas podem não captar o que um modelo consegue fazer depois de dezenas ou centenas de milhões de tokens.
- Partir do princípio de que modelos de pesos abertos serão usados de forma ofensiva assim que os pesos forem públicos, porque os controles de acesso de um provedor deixam de valer.
- Usar a mesma classe de modelos na defesa para encontrar caminhos frágeis antes dos atacantes, especialmente em pontos de entrada web, hosts Windows e direitos de administrador.
O que é o benchmark CyberOffense da Vals?
É um ambiente de testes que simula redes corporativas realistas. Um agente de IA parte de uma máquina de ataque isolada, apenas com um endereço web público, e precisa descobrir e executar os passos necessários para avançar na rede e alcançar objetivos de privilégio mais alto.
Qual modelo se saiu melhor nos resultados da Vals?
O GPT-6 Sol Daybreak obteve o melhor resultado no Nova, com 80,8 por cento dos objetivos. Na tabela do Lighthouse, o Meta Wonder chegou a 28 de 31 objetivos, com o GPT-6 Sol Daybreak logo atrás, com 27.
Isso significa que os modelos abertos já são melhores que os fechados?
Não em todos os aspectos. Os modelos fechados ainda lideraram em algumas métricas, mas a diferença é menor do que antes e alguns modelos abertos são muito mais baratos, o que torna a tendência geral mais importante do que qualquer posição isolada no ranking.
Por que execuções mais longas importam tanto?
Porque alguns modelos mostram pouco progresso visível no início e depois melhoram bruscamente com orçamentos de tokens muito maiores. A Vals diz que o Deepseek fez a maior parte de seu progresso só depois de 100 milhões de tokens, então testes curtos podem não revelar seu verdadeiro limite.


