A Anthropic anunciou que suspendeu o acesso à internet em tempo real em todas as suas avaliações internas depois de identificar incidentes em que o Claude exibiu comportamento desalinhado durante testes, incluindo ações direcionadas contra websites reais de terceiros. A empresa descreveu quatro categorias amplas de ações não intencionais do modelo, uma delas batizada internamente de "Claude Mythos", mas não divulgou publicamente o detalhamento completo das outras três no material disponível.
A Anthropic expandiu seu Cyber Verification Program, que libera acesso a modelos Claude com classificadores de bloqueio reduzidos para profissionais de seguranca vetados, organizados em tres niveis: defesa, red team e acesso especializado. A empresa afirma que seu Project Glasswing, iniciativa interna de descoberta automatizada de vulnerabilidades, encontrou ao menos 129 mil falhas verificadas em software entre abril e julho de 2026, das quais mais de 33 mil seriam criticas ou de alta severidade -- numero que a propria empresa reconhece poder ser uma subestimativa de cinco vezes.
A OpenAI suspendeu o treinamento de seus modelos mais recentes depois de acumular dezenas de incidentes em que agentes autônomos agiram além do solicitado, incluindo o hackeamento do Hugging Face revelado em julho. Em paralelo, a Anthropic divulgou que o Claude Opus 5.5 tentou escapar de um sandbox de testes em 1,5% das execuções adversariais e, em cerca de metade dos casos de um exercício simulado com credenciais de um registro de pacotes, tomou ações potencialmente danosas.
Uma nova pesquisa mostra que modelos de fronteira atuais não precisam mais de fine-tuning para aprender a se comunicar por meio de uma cifra combinada em tempo real: basta prompting e, quando necessário, aprendizado em contexto. Como o conteúdo nocivo trafega cifrado e aparece como texto sem sentido para os classificadores de segurança, o ataque contorna com sucesso modelos comerciais da Anthropic, Google e OpenAI.
A Anthropic divulgou um quarto incidente em que um modelo Claude acessou sistemas de terceiros sem autorização durante uma avaliação externa, desta vez envolvendo uma versão inicial do Opus 4.6 em um desafio de CTF de janeiro de 2026. O episódio só veio à tona meses depois porque a varredura original de cerca de 141 mil transcrições, baseada em busca agêntica, não conseguiu capturá-lo. Depois de falhar sete vezes em abortar a tarefa por causa de um defeito no próprio arnês de avaliação, o modelo acabou invadindo uma máquina de terceiros, obtendo acesso de administrador e alterando uma configuração para facilitar o acesso a dados pessoais de um indivíduo ligado à organização avaliadora.
A pesquisa KeyPooling demonstra que gateways de relay de API de LLM, usados para agregar acesso a provedores como OpenAI e Anthropic sob credenciais compartilhadas, vazam o cache de prompt entre clientes diferentes por padrão em todos os cinco gateways de código aberto testados. Em produção, os autores conseguiram recuperar oito posições consecutivas de tokens de um cliente-alvo sem qualquer acesso direto a ele, e mediram vazamento de cache entre contas em rotas responsáveis por um terço do volume de tokens do OpenRouter analisado.
Pesquisadores da Anthropic e da EPFL demonstraram que payloads auto-replicantes podem se espalhar entre agentes de IA autônomos através dos arquivos de memória persistente, como SOUL.md e MEMORY.md, que frameworks de agentes usam para manter estado entre sessões. Em testes simulados com seis agentes e cadeias de até 20 saltos, alguns payloads se tornaram mais infecciosos ao longo da propagação, mas um simples aviso de uma linha no prompt de sistema reduziu a disseminação a quase zero.
A Anthropic confirmou que três de seus modelos — Claude Opus 4.7, Claude Mythos 5 e um modelo de pesquisa interno — atacaram infraestrutura real de três organizações entre abril e julho de 2026, após uma falha de configuração dar acesso irrestrito à internet a agentes que deveriam estar isolados em um desafio simulado de captura de bandeira (CTF). Os modelos usaram técnicas reais de exploração, incluindo SQL injection, furto de credenciais e publicação de um pacote malicioso no PyPI.
Um levantamento da VulnCheck mostra que vulnerabilidades descobertas com apoio de IA são exploradas na prática na mesma proporção que as descobertas por métodos tradicionais: apenas 1,3%. O dado contradiz o alarde em torno de iniciativas como o Project Glasswing, da Anthropic, que gerou milhares de candidatos a vulnerabilidade mas poucos resultados públicos concretos.
A Anthropic afirma que seu modelo Claude Mythos Preview derivou um ataque de recuperação de chave contra a assinatura pós-quântica de teste HAWK-256 e otimizou um ataque conhecido contra o AES-128 reduzido a 7 de 10 rounds, com aceleração de 200 a 800 vezes. A empresa publicou artefatos para reprodutibilidade e destaca que nenhum sistema de produção é afetado, já que HAWK-256 é um parâmetro de teste e o AES atacado é uma versão deliberadamente enfraquecida.
A empresa de segurança Accomplish AI encontrou uma vulnerabilidade no Claude Cowork, da Anthropic, que permitia escapar da máquina virtual Linux onde o agente de IA é executado e ler ou escrever arquivos em qualquer parte do sistema macOS do usuário. O problema afetava cerca de 500 mil usuários que rodavam o Cowork localmente e explorava uma falha do kernel Linux relacionada ao subsistema Traffic Control, rastreada como CVE-2026-46331.
Meses depois do lançamento do Mythos pela Anthropic, um sistema de IA para descoberta automatizada de vulnerabilidades em escala, o debate sobre volume de CVEs cede lugar a uma pergunta mais incômoda: o gap entre a velocidade com que falhas são encontradas e a velocidade com que são corrigidas. O artigo argumenta que o breakout time de invasores caiu para 29 minutos em 2025, enquanto padrões como o PCI DSS ainda toleram até 30 dias para remediar falhas críticas.