IA encontra vulnerabilidades desconhecidas no V8 por US$4,24 e em 13 minutos; em fevereiro, não achou nada com US$350
Uma vulnerabilidade de dia zero é uma falha da qual o desenvolvedor ainda não sabe e para a qual não existe patch. A Xint.io entregou a modelos de IA arquivos do motor V8, do Chrome, com um erro oculto desse tipo. Em fevereiro, os melhores modelos gastaram 25 horas e US$350 sem encontrá-lo. Em setembro, o GPT 6 Sol resolveu a tarefa em 13 minutos e US$4,24. Para defensores e atacantes, é como uma revisão de código que ficou pelo preço de um cafezinho. Por isso, vale testar o seu código com esses modelos antes que os criminosos o façam.
Processado por IA de ZDNet AI; editado por Hamidun News
Uma vulnerabilidade de dia zero é um erro em um programa que o desenvolvedor ainda desconhece e, por isso, não tem correção. Até pouco tempo atrás, procurar esse tipo de falha com redes neurais era caro e pouco útil. A empresa de pentest Xint.
io mostrou como isso mudou: em fevereiro de 2026, os melhores modelos gastaram 25 horas e US$350 e não encontraram nada. Em setembro, o GPT 6 Sol descobriu uma brecha crítica no V8, o motor que executa JavaScript no Chrome, em 13 minutos e US$4,24. Imagine uma revisão de código que antes não entregava resultado após um dia inteiro e centenas de dólares, e agora cabe no preço de um café.
Para as equipes responsáveis pela segurança de produtos, é um motivo para não deixar as verificações com IA para o ano que vem.
Como foi o experimento
Os pesquisadores usaram um erro real do V8, registrado como CVE-2026-102321. Trata-se de uma confusão de tipos: o programa interpreta dados de um tipo como se fossem de outro, o que permite executar código alheio remotamente. Quem o encontrou foi Taisic Yun, funcionário da Xint, que o repassou de forma sigilosa ao programa de recompensas do Google (VRP). Por isso, essa informação não poderia estar nos dados de treinamento dos modelos, e eles não teriam como "lembrar" a resposta.
Os modelos receberam um conjunto limitado de arquivos-fonte, incluindo aquele em que o erro estava escondido, e foram instruídos a procurar problemas de segurança. Foram testados sete modelos lançados desde fevereiro de 2026: dois da OpenAI, três da Anthropic e dois com pesos abertos, da DeepSeek e da Z.ai. A mesma tarefa foi executada em meses diferentes para mostrar a evolução.
O que aconteceu mês a mês
Em fevereiro, os melhores modelos disponíveis passaram 25 horas escaneando o código, gastaram US$350 e não encontraram a brecha crítica. Em julho, o GPT 5.6 Sol resolveu a tarefa em 44 minutos e US$22. Em setembro, o GPT 6 Sol encontrou o mesmo erro em 13 minutos e US$4,24, já no primeiro prompt de direcionamento.
Dos sete modelos, apenas três acharam a brecha: GPT 6 Sol, GPT 5.6 Sol e Claude Opus 5. Todos foram lançados a partir de julho. O GPT 5.6 Sol precisou de dois prompts. O Claude Opus 5 acertou de primeira, mas o custo foi de US$43,40, cerca de dez vezes mais que o melhor resultado. Os modelos da DeepSeek e da Z.ai não resolveram a tarefa.
Por trás disso há a queda no preço dos tokens, as unidades de texto cobradas no uso de um modelo. Segundo dados citados em reportagem da ZDNET, eles ficaram em média cerca de 47% mais baratos a cada trimestre desde 2023, e só no último mês o recuo foi de 15%. O motivo é a concorrência acirrada entre OpenAI, Anthropic e outras empresas. Isso favorece os negócios, mas também barateia os ataques feitos com IA.
O que fazer a respeito
Os autores do relatório consideram que até "hackers medianos" já podem usar modelos de ponta para encontrar e, potencialmente, explorar vulnerabilidades. Ainda assim, estamos longe de novatos completos com modelos "sem rédeas". Continua sendo necessária experiência para direcionar a IA: às vezes, sem dicas, o modelo não encontrava o alvo, e era preciso fazer execuções adicionais, o que aumentava o tempo e o custo. Segundo os pesquisadores, ainda é preciso conhecimento técnico para invadir sistemas, mas não mais o nível dos melhores especialistas do setor.
Os passos práticos são estes:
- Rode as verificações por conta própria. Sua equipe de segurança ou os pentesters contratados podem passar os mesmos modelos pelo seu código antes dos criminosos.
- Comece pelos pontos mais vulneráveis: serviços públicos e a cadeia de suprimentos que não é auditada há anos.
- Não esqueça o básico: acesso com base no princípio de confiança zero (zero trust), segmentação de rede e monitoramento de endpoints. Essas medidas podem render tanto quanto a própria IA.
Ressalvas
Trata-se de um único teste, com um erro já conhecido e um conjunto reduzido de arquivos, e não de uma busca por brechas em todo o código do Chrome. Em um projeto real, há mais arquivos e mais ruído, e encontrar uma brecha ainda não significa escrever um exploit funcional. Além disso, o relatório foi publicado por uma empresa que vende serviços de teste de intrusão.
Por definição, um dia zero é desconhecido do fornecedor, e o patch pode não existir no momento do ataque. A IA ajuda a achar essas falhas mais rápido, mas não substitui as pessoas: ela tira dos defensores o trabalho rotineiro e deixa tempo para as tarefas que exigem cabeça humana. A principal conclusão do relatório é que a barreira de entrada para a caça a vulnerabilidades caiu de forma notável, e isso já precisa entrar no modelo de ameaças.
- 18 de nov. de 2026Modelos de decisão respondem por mais de 25% das requisições no roteador da Vercel um mês após surgirem
- 18 de nov. de 2026Anthropic: Claude com 413 arquivos de anotações conquistou 1 insígnia em Pokémon, e com poucos arquivos, 4
- 18 de nov. de 2026Opus 5.5 separa, sem nenhum erro, 19 testes de segurança de 36 tarefas comuns
- 18 de nov. de 2026GPT 6.2 Sol Ultrafast entrega 150 tokens/s e consome 6 vezes mais limites
Perguntas frequentes sobre a notícia
Como foi o experimento?
Os pesquisadores usaram um erro real do V8, registrado como CVE-2026-102321. Trata-se de uma confusão de tipos: o programa interpreta dados de um tipo como se fossem de outro, o que permite executar código alheio remotamente. Quem o encontrou foi Taisic Yun, funcionário da Xint, que o repassou de forma sigilosa ao programa de recompensas do Google (VRP). Por isso, essa informação não poderia estar nos dados de treinamento dos modelos, e eles não teriam como "lembrar" a resposta.
O que aconteceu mês a mês?
Em fevereiro, os melhores modelos disponíveis passaram 25 horas escaneando o código, gastaram US$350 e não encontraram a brecha crítica. Em julho, o GPT 5.6 Sol resolveu a tarefa em 44 minutos e US$22. Em setembro, o GPT 6 Sol encontrou o mesmo erro em 13 minutos e US$4,24, já no primeiro prompt de direcionamento. Dos sete modelos, apenas três acharam a brecha: GPT 6 Sol, GPT 5.6 Sol e Claude Opus 5. Todos foram lançados a partir de julho. O GPT 5.6 Sol precisou de dois prompts.
O que fazer a respeito?
Os autores do relatório consideram que até "hackers medianos" já podem usar modelos de ponta para encontrar e, potencialmente, explorar vulnerabilidades. Ainda assim, estamos longe de novatos completos com modelos "sem rédeas". Continua sendo necessária experiência para direcionar a IA: às vezes, sem dicas, o modelo não encontrava o alvo, e era preciso fazer execuções adicionais, o que aumentava o tempo e o custo.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.