Principais destaques
- 948 vulnerabilidades exploradas: um sistema autônomo da OpenAI desenvolveu exploits funcionais capazes de obter acesso root em diferentes falhas do kernel Linux.
- Mais de US$ 1,2 milhão em créditos: a operação utilizou um modelo de segurança cibernética ainda não lançado e custou aproximadamente US$ 1.279 por exploit.
- Um novo desafio para a segurança: a descoberta de vulnerabilidades está ficando mais rápida, enquanto a validação, a priorização e a aplicação de correções se tornam os principais gargalos.
A inteligência artificial está mudando a velocidade com que vulnerabilidades podem ser descobertas e exploradas. E um novo experimento da OpenAI oferece uma demonstração bastante concreta dessa transformação.
Em 4 de novembro de 2026, a empresa revelou que um protótipo de pipeline autônomo de segurança cibernética conseguiu produzir exploits funcionais para 948 vulnerabilidades distintas do kernel Linux em uma única execução.
O resultado foi obtido com um modelo especializado em segurança ainda não lançado publicamente. A operação consumiu US$ 1.213.430 em créditos de API.
Estamos falando de uma máquina capaz de encontrar falhas, desenvolver formas de explorá-las e validar os resultados praticamente sem intervenção humana em cada etapa.
Mas o número mais importante talvez não seja 948. É o que ele representa para o futuro da segurança digital.
De 40 milhões de linhas a milhares de possíveis falhas 🔎
O experimento aconteceu em meados de outubro de 2026, utilizando a versão mais recente da branch master do kernel Linux.
Para dimensionar o trabalho, vale lembrar que o kernel é uma das partes mais importantes de um sistema operacional. Ele faz a comunicação entre o hardware e o software e controla recursos fundamentais, como memória, processadores e dispositivos.
Analisar manualmente um código dessa dimensão é uma tarefa extremamente complexa.
A OpenAI dividiu o trabalho entre diferentes agentes especializados, organizados em um pipeline autônomo.
🤖 Primeiro, a IA precisou encontrar onde procurar:
Os agentes de reconhecimento, chamados de scouts, reduziram mais de 40 milhões de linhas de código a 5.034 alvos considerados relevantes para auditoria.
O resultado foi uma seleção de aproximadamente 2,8 milhões de linhas, equivalente a apenas 7% do código original.
A partir daí, outros agentes assumiram a investigação.
2.308 suspeitas em apenas 12 horas ⚡
A etapa seguinte ficou sob responsabilidade dos agentes analistas, que examinaram os alvos selecionados e produziram 2.308 possíveis vulnerabilidades em aproximadamente 12 horas.
Mas identificar uma possível falha não significa necessariamente que ela possa ser explorada.
Por isso, a OpenAI adicionou uma etapa independente de validação.
Em aproximadamente 30 horas, agentes especializados conseguiram reproduzir 1.724 das suspeitas em máquinas virtuais isoladas.
O processo avançou então para a construção dos exploits.
| Etapa | Resultado |
|---|---|
| Código original analisado | Mais de 40 milhões de linhas |
| Alvos selecionados | 5.034 |
| Possíveis vulnerabilidades | 2.308 |
| Falhas reproduzidas | 1.724 |
| Provas de conceito de vazamento | 291 |
| Exploits de escalonamento de privilégios | 1.169 |
| Vulnerabilidades distintas identificadas | 948 |
A diferença entre esses números é importante: vários exploits podem estar relacionados à mesma vulnerabilidade, por isso a análise de variantes consolidou os resultados em 948 falhas distintas.
O que significa conseguir acesso root? 🔐
Entre os resultados mais preocupantes estão os exploits de escalonamento local de privilégios.
Na prática, eles permitem que alguém que já possui uma conta com permissões limitadas no sistema consiga elevar seus privilégios até obter acesso root.
No Linux, root é a conta com nível máximo de permissões. Ela pode controlar praticamente todos os recursos do sistema operacional.
Isso significa que uma invasão inicialmente limitada pode se transformar em um comprometimento muito mais amplo.
🛡️ E os testes não foram feitos em condições facilitadas: segundo a OpenAI, as máquinas virtuais utilizavam uma configuração padrão de desktop Linux, com proteções de segurança comuns ativadas, incluindo:
- SMEP, que restringe a execução de código em determinadas regiões de memória.
- SMAP, que limita o acesso do kernel à memória de aplicações em espaço de usuário.
- KASLR, que dificulta ataques ao randomizar os endereços de memória do kernel.
Outro detalhe chama a atenção.
Em uma amostra de 166 exploits, os pesquisadores identificaram pelo menos dez técnicas de exploração que, segundo a empresa, ainda não haviam sido documentadas.
Especialistas externos em kernel confirmaram a descoberta dessas técnicas.
A OpenAI, entretanto, não divulgou os detalhes completos dos exploits, alegando razões de segurança.
US$ 1,2 milhão para encontrar vulnerabilidades 💸
O custo total do experimento foi de US$ 1.213.430 em créditos de API.
Dividindo esse valor pelos 948 exploits associados a vulnerabilidades distintas, chegamos a aproximadamente US$ 1.279 por resultado.
É um investimento considerável, mas que precisa ser analisado dentro do contexto da automação.
Uma equipe tradicional de pesquisadores de segurança pode gastar dias ou semanas investigando determinadas vulnerabilidades. O pipeline da OpenAI conseguiu distribuir o trabalho entre agentes especializados e executar diferentes etapas simultaneamente.
💡 O verdadeiro ganho está na escala: a IA não precisa apenas encontrar uma falha. Ela pode investigar, testar, desenvolver uma prova de conceito e validar a possibilidade de exploração.
Isso altera a economia da pesquisa em segurança cibernética.
E existe uma comparação interessante com o experimento anterior.
Cinco vezes mais vulnerabilidades em três meses 📈
No fim de julho de 2026, a OpenAI apresentou outro experimento envolvendo o GPT-5.6 Sol, que encontrou 166 vulnerabilidades únicas de escalonamento de privilégios.
Na ocasião, o custo informado foi de US$ 513.690.
Agora, o novo sistema conseguiu identificar 948 vulnerabilidades distintas, mais de cinco vezes o resultado anterior.
| Indicador | Julho de 2026 | Outubro de 2026 |
|---|---|---|
| Vulnerabilidades únicas | 166 | 948 |
| Custo informado | US$ 513.690 | US$ 1.213.430 |
| Custo aproximado por vulnerabilidade | US$ 3.094 | US$ 1.279 |
A comparação indica uma redução expressiva no custo médio por vulnerabilidade identificada.
Há outro aspecto relevante: entre os dois experimentos, o kernel Linux recebeu três meses adicionais de melhorias e reforços de segurança.
Mesmo com esse intervalo de desenvolvimento, o novo sistema encontrou um volume muito maior de vulnerabilidades.
A OpenAI também apresentou uma estimativa hipotética do valor econômico dos resultados.
Considerando recompensas históricas de competições como Pwn2Own e TyphoonPWN, os 948 exploits poderiam representar entre US$ 18,9 milhões e US$ 66,3 milhões em premiações.
Esse valor não representa receita obtida nem uma avaliação comercial dos exploits. É apenas uma comparação baseada em recompensas anteriores.
A IA também precisa ser supervisionada
Apesar dos resultados impressionantes, o experimento revelou que a automação ainda apresenta problemas de confiabilidade.
Em uma execução inicial, 20 dos 200 exploits apresentados como bem-sucedidos conseguiram acesso root por meio de uma vulnerabilidade zero-day diferente daquela originalmente atribuída ao agente.
Em outras palavras, o sistema conseguia explorar uma falha, mas nem sempre identificava corretamente qual vulnerabilidade havia permitido o acesso.
A OpenAI respondeu adicionando uma verificação independente do caminho percorrido por cada exploit.
Esse episódio ajuda a explicar por que a participação humana continua sendo fundamental.
🔍 Encontrar não significa corrigir: pesquisadores humanos revisam os exploits, as correções propostas e os níveis de gravidade antes que os resultados sejam encaminhados aos mantenedores do Linux.
A empresa afirma que já enviou centenas de relatórios e correções para falhas críticas e trabalha com parceiros na iniciativa Patch the Planet para tratar as demais vulnerabilidades.
Quantas falhas já foram corrigidas? 🧩
Um ponto importante é que as 948 correções identificadas ainda são candidatas a patches. Isso não significa que todas já tenham sido incorporadas ao kernel Linux.
Segundo os números divulgados, ao final dos dez dias de varredura e análise:
- 61 vulnerabilidades já haviam sido corrigidas no upstream.
- 43 vulnerabilidades tinham patches em preparação (staging).
- 299 vulnerabilidades já estavam sendo discutidas publicamente.
O processo de correção exige cuidado porque uma atualização aparentemente simples pode provocar incompatibilidades, problemas de estabilidade ou até novas vulnerabilidades.
É por isso que a validação humana continua sendo uma etapa indispensável.
O problema agora é a velocidade de resposta 🚨
A mensagem da OpenAI aos profissionais de segurança é bastante direta.
A empresa alerta que uma conta com poucos privilégios em um sistema operacional desatualizado deve ser considerada, na prática, equivalente a um acesso root quando o adversário possui recursos suficientes.
Essa avaliação muda a forma como organizações precisam pensar sobre atualizações de segurança.
Tradicionalmente, encontrar vulnerabilidades exigia conhecimento especializado, tempo e recursos consideráveis. Agora, sistemas de IA podem acelerar drasticamente esse processo.
O mesmo avanço que permite aos pesquisadores encontrar e corrigir falhas também pode ser aproveitado por agentes mal-intencionados.
A descoberta de vulnerabilidades está deixando de ser o principal gargalo. O desafio passa a ser verificar, priorizar e corrigir as falhas antes que alguém consiga explorá-las.
O experimento da OpenAI aponta para uma nova realidade: a segurança de sistemas operacionais poderá depender cada vez menos da capacidade humana de encontrar problemas e cada vez mais da velocidade com que desenvolvedores, empresas e mantenedores conseguem responder a eles.
Se uma única execução de IA já consegue produzir centenas de exploits funcionais, quanto tempo as equipes de segurança terão para reagir quando essa capacidade estiver amplamente disponível?
