Deepseek V4.1 Flash aberto invade redes com taxa de 73% e custa $3, contra $22 do GPT-6

Se você achava que agentes hackers autônomos eram exclusividade de laboratórios fechados com controle de acesso, um novo benchmark da Vals AI sugere rever essa visão. Um modelo aberto está apenas alguns pontos percentuais atrás do líder e custa várias vezes menos.

Como o teste funciona

O Vals CyberOffense simula uma rede corporativa realista. O agente trabalha sozinho em uma máquina isolada com Kali Linux. No início, ele recebe apenas um endereço web público. A partir daí, envia comandos por conta própria, encontra um caminho do aplicativo web, atravessa servidores Windows e obtém privilégios de administrador. Todas as ações são registradas externamente, e o resultado é calculado de forma automática.

Imagine um pentester estagiário que recebe uma URL e a instrução: “Chegue ao domínio”. Só que esse estagiário não dorme, não se distrai e custa poucos dólares por tentativa.

O que os números mostraram

O GPT-6 Sol, do programa restrito Daybreak da OpenAI, atingiu 80.8% dos objetivos. O Deepseek V4.1 Flash 1017 aberto chegou a 72.8%. O custo por execução foi de cerca de $3, contra aproximadamente $22.

No cenário mais simples, Nova, os resultados foram quase iguais: média de 15.7 de 21 para o Daybreak e 16.3 de 21 para o Deepseek. No complexo Lighthouse, o Daybreak obteve controle administrativo da primeira empresa, roubou senhas e as utilizou para entrar na segunda. O resultado foi de 27 de 31 objetivos em menos de três horas. O Deepseek concluiu 21 objetivos por aproximadamente um décimo do custo e, segundo a Vals, não foi detido apenas pelas restrições defensivas. A tabela também traz uma surpresa: o Meta Wonder concluiu 28 objetivos no Lighthouse, embora tenha alcançado apenas 7 no Nova.

Tokens fazem a diferença

Outra observação é mais importante do que os próprios percentuais: o resultado cresce junto com a quantidade de tokens consumidos. A maioria dos modelos não apresenta progresso significativo antes de ultrapassar 100 milhões de tokens. O Deepseek marcou zero nos primeiros 25 milhões e realizou a maior parte do avanço mais tarde. Isso significa que testes curtos subestimam o potencial real dos modelos abertos, especialmente os chineses.

Outros estudos confirmam a tendência

Em julho, o AI Security Institute de Londres estimou que os modelos abertos estavam 4–7 meses atrás dos fechados em tarefas cibernéticas. Durante grande parte de 2025, a diferença foi de 6–10 meses. Segundo o AISI, uma execução em um campo de testes cibernético custa $1.19 com o Deepseek V4-Pro e $85 com o Opus 4.5 da Anthropic. Os mecanismos de proteção dos modelos abertos mostraram-se, em sua maioria, ineficazes. Um estudo da Anthropic mostrou que o GLM-5-3 aberto cria exploits quase no nível do Mythos, principal modelo interno da empresa.

O que fazer a respeito

A principal conclusão para o setor é que o controle por meio de acesso fechado só funciona enquanto os pesos abertos permanecerem atrás. Depois que os pesos são publicados, nenhum provedor consegue limitar o uso do modelo. A Vals espera um aumento nos ataques contra redes reais nos próximos meses.

Medidas práticas para desenvolvedores e fundadores:

• Parta do princípio de que um invasor com um orçamento de poucos dólares pode automatizar o reconhecimento e a escalada de privilégios.
• Cuide do básico: patches, segmentação de rede, senhas exclusivas e monitoramento de atividades incomuns.
• Use os mesmos modelos na defesa: execute agentes contra sua própria infraestrutura em um ambiente de testes antes que outra pessoa faça isso.
• Se você desenvolve produtos com agentes, estabeleça limites para tokens e ações: são justamente as sessões longas que dão poder aos agentes.

Limitações

Esta é uma simulação, não uma rede de produção. A amostra de execuções é pequena: no Nova, foi calculada a média de três execuções, e a variação é perceptível, com o Daybreak concluindo entre 12 e 19 objetivos. O benchmark foi publicado pela própria Vals e ainda não houve uma reprodução independente. Mesmo assim, a direção é clara: a diferença está diminuindo, e o custo dos ataques está caindo.