Anthropic「Mitológico」modelo vazado acidentalmente: a situação de segurança em criptomoedas e DeFi torna-se repentinamente tensa

Título

A Anthropic vazou acidentalmente o modelo “mito” (código interno Capybara); segundo relatos, supera o Opus em várias tarefas. O sector da segurança criptográfica começa a discutir seriamente o que isto significa.

Resumo

• Um tweet de @xiaohu, um comentador de IA, levou o modelo de testes internos da Anthropic “mito” ao conhecimento do público. Os dados de cache vazados contêm rascunhos sobre codificação, raciocínio académico e desempenho em cibersegurança.
• A Anthropic confirmou a existência do modelo e afirmou que está a fazer testes iniciais com alguns clientes. De forma geral, acredita-se que ele é significativamente mais forte do que o Opus, e até líderes de outros laboratórios estão a acompanhar.
• Para o sector da criptografia, é uma espada de dois gumes: por um lado, pode reforçar a auditoria de contratos inteligentes; por outro, pode permitir que as pessoas localizem e explorem falhas na cadeia mais rapidamente.
• Conclusão de linha de fundo: ambos os lados, ofensivo e defensivo, vão acelerar; o ritmo e o limiar do confronto de segurança estão a subir.

Análise

De acordo com uma notícia da CoinDesk de 27-28 de Março de 2026:

• Os materiais vazados mostram que o “mito” é claramente mais forte do que o Opus em vários testes de referência (incluindo tarefas de cibersegurança), o que indica que a concorrência entre a Anthropic e a OpenAI entrou numa nova fase. @xiaohu brincou a dizer que o Altman “não consegue dormir”, reflectindo o sentimento generalizado da indústria de que a concorrência está a intensificar-se.
• Isto está alinhado com uma regra consistente da expansão da IA: modelos maiores tendem a desbloquear novos cenários, como “aplicações baseadas em agentes” e “descoberta automatizada de vulnerabilidades”. Mas os documentos de rascunho mencionam directamente “riscos inéditos de cibersegurança”, tornando bem evidente a tensão entre ataque e defesa.
• Um problema que os projectos de IA descentralizada (por exemplo, Bittensor) enfrentam a longo prazo: laboratórios centralizados continuam a elevar as curvas de desempenho; se não conseguirem acompanhar a iteração, o prémio narrativo e a correlação marginal relacionada serão comprimidos.
• O vazamento em si foi um erro básico de operação e manutenção. Isto volta a lembrar-nos que as lacunas de segurança vêm primeiro das pessoas, não do próprio modelo.

Avaliação de impacto

• Importância: alta
• Categoria: progresso do modelo / segurança / investigação

Pontos-chave

• O limiar de desempenho subiu: ultrapassa o Opus em tarefas de codificação e de segurança, voltando a elevar as capacidades de ponta.
• Ataque e defesa a acelerar em simultâneo: as ferramentas de auditoria ficam mais fortes, mas as cadeias de ataque também são comprimidas.
• Lição de operação e manutenção: um cache não reforçado levou a um vazamento, voltando a provar que o erro humano é a maior fonte de risco.
• Reprecificação da componente de capital: os tokens de IA descentralizada (como o TAO do Bittensor) podem sofrer pressão; projectos relacionados com segurança podem ter uma vantagem relativa.
• Efeito de transbordo na opinião pública: a divulgação de @xiaohu ampliou o impacto desta questão no sector em chinês; pode também influenciar discussões de políticas.

Contexto e enredo

• Caminho de disseminação: tweet de @xiaohu → atenção externa → Anthropic confirma o teste interno → acompanhamento dos media (CoinDesk).
• Dimensões de melhoria de capacidade: codificação, raciocínio académico e cibersegurança.
• Risco intuitivo: os limiares para descobrir, explorar e expandir horizontalmente falhas baixam.

Grupos potencialmente afectados

• Desenvolvedores e equipas de segurança:
  • Benefícios: ferramentas de análise estática/dinâmica mais fortes ficam disponíveis.
  • Desvantagens: o ciclo de descoberta de zero-day até à exploração é comprimido, e a janela de auditoria fica mais estreita.
• Negociadores e detentores de capital:
  • Benefícios: aumenta a atenção ao segmento de segurança, podendo haver entradas de capital em fases.
  • Desvantagens: a narrativa de IA descentralizada pode ser sufocada pela “diferença de desempenho”, colocando pressão sobre os tokens relacionados.
• Agentes do ecossistema e da infra-estrutura:
  • Prioridades: configuração de bónus por falhas, monitorização em tempo real, mecanismos de rollback pós-incidente e seguros.

Etiquetas

Modelos de IA, concorrência, segurança, investigação

Conclusão: perante esta notícia, a equipa de segurança tem de agir imediatamente; os negociadores podem considerar o retorno relativo do jogo no segmento de segurança; os detentores a longo prazo e os fundos precisam de aumentar o orçamento de segurança e monitorizar o ritmo do confronto ataque-defesa. Os projectos que percam a janela actual de reforço ficarão muito em desvantagem.