Agentes de IA exploram vulnerabilidades reais do Chrome com custo 12x maior, mostra benchmark

Pesquisadores da Carnegie Mellon University criaram o primeiro benchmark focado em exploração autônoma de falhas reais no motor V8 do Chrome. Os resultados revelam que Mythos, da Anthropic, supera o GPT-5.5 com ampla margem, mas a um custo operacional doze vezes maior — uma assimetria que redefine o cenário de ameaças cibernéticas.

O que aconteceu

A equipe da CMU desenvolveu um ambiente de teste projetado para avaliar a capacidade de agentes autônomos de IA em percorrer o ciclo completo de exploração de vulnerabilidades reais em navegadores: reconhecimento, identificação de uma falha, construção de um exploit e execução bem-sucedida em um alvo.

Diferentemente de desafios CTF ou vulnerabilidades sintéticas, o benchmark usa CVEs reais do motor V8 do Chrome — aquelas que já foram descobertas e, em muitos casos, corrigidas por engenheiros do Google. Claude Mythos e GPT-5.5 foram submetidos ao mesmo conjunto de cenários.

Mythos obteve desempenho significativamente superior em métricas de sucesso de exploração, mas o custo computacional por operação foi 12 vezes maior do que o do GPT-5.5. Pela primeira vez, agentes de IA de fronteira demonstram capacidade de gerar exploits reais de navegador de forma autônoma.

O que há de novo

A novidade não é que modelos de linguagem avançados conseguem escrever código — isso já é conhecido. O avanço real está em dois pontos:

• Foco em vulnerabilidades reais: o benchmark não usa desafios teóricos ou sintéticos, mas sim CVEs documentadas do V8, exigindo compreensão profunda de mecanismos de baixo nível, gerenciamento de memória e compilação JIT.
• Ciclo completo de exploração autônoma: os agentes não apenas identificam falhas, mas também constroem e executam exploits funcionais, sem intervenção humana direta no processo de desenvolvimento.

Até agora, a literatura sobre agentes de segurança ofensiva se concentrava em tarefas mais restritas, como detecção de vulnerabilidades ou geração de patches. Este benchmark empurra a fronteira para a automação do ataque — um salto qualitativo que não pode ser ignorado.

Por que isso importa

Se agentes de IA conseguem explorar vulnerabilidades reais em um dos engines mais auditados do mundo, o que dizer de componentes menos protegidos? A implicação imediata é que o tempo entre a divulgação de uma CVE e a criação de um exploit funcional pode encolher drasticamente.

Para times de segurança defensiva, a janela de correção já não é medida em semanas, mas em horas — talvez minutos. O trade-off entre capacidade e custo agrava ainda mais o cenário.

Atores estatais ou grupos criminosos com alto orçamento podem bancar o Mythos e obter exploits de alta qualidade. Já atacantes com recursos limitados ainda podem usar o GPT-5.5 para gerar exploits menos refinados, mas potencialmente eficazes em escala. A ameaça se torna assimétrica: não há uma barreira única de entrada, mas um espectro de capacidades acessíveis.

Leitura técnica

Do ponto de vista de engenharia, o resultado do benchmark revela progressos impressionantes em várias frentes:

• Compreensão de baixo nível: para explorar o V8, o agente precisa entender otimizações JIT, layout de objetos em memória e mecanismos de sandboxing do Chrome. Mythos demonstrou essa compreensão de forma consistente.
• Raciocínio encadeado: a construção de um exploit exige planejamento de múltiplas etapas, desde a escolha do vetor de ataque até a evasão de proteções. O benchmark sugere que os modelos conseguem manter coerência em sequências longas de ações.
• Custo computacional: a diferença de 12x no custo por operação reflete, provavelmente, a arquitetura mais robusta do Mythos. Isso levanta questões sobre eficiência — será que o mesmo nível de desempenho poderia ser alcançado com modelos menores e mais baratos, se bem ajustados?
• Reprodutibilidade: o artigo original não informa se os exploits gerados funcionam contra versões atuais do Chrome ou apenas contra versões vulneráveis antigas. Essa lacuna é crítica para entender o risco real.

Leitura de mercado

Para a indústria de segurança cibernética, o benchmark da CMU funciona como um alerta estratégico:

• Provedores de soluções defensivas precisarão incorporar detecção de ataques autônomos em seus produtos. Ferramentas que identificam padrões de exploração manual podem não ser eficazes contra exploits gerados por IA, que tendem a ser mais adaptativos.
• Empresas que dependem do Chrome ou Chromium enfrentam um risco elevado. A adoção de patches de segurança precisa se tornar instantânea, o que exige mudanças nos processos de DevOps e governança de endpoints.
• A segmentação do mercado de exploits se acentua: agentes caros e de alta capacidade serão usados para alvos de alto valor, enquanto agentes baratos e de capacidade mediana servirão para ataques em larga escala a usuários comuns.
• Benchmarks como este podem se tornar referência obrigatória para reguladores. Se um modelo de IA é capaz de gerar exploits autônomos, sua implantação pode exigir licenças especiais, divulgação responsável e mecanismos de contenção.

Riscos, limites e pontos de atenção

É preciso cautela ao interpretar os resultados. O artigo da The Decoder, que serviu como fonte, é curto e carece de detalhes metodológicos importantes:

• A definição de autonomia não é clara. Os agentes tiveram acesso a ferramentas de sistema? Receberam dicas sobre quais CVEs explorar? A diferença entre "autônomo com scaffolds" e "totalmente autônomo" é enorme.
• Não foram divulgadas taxas de sucesso comparativas. Dizer que Mythos supera GPT-5.5 por ampla margem é vago sem números concretos.
• O status das vulnerabilidades testadas não foi informado. Eram falhas corrigidas há anos ou zero-days ativos? A resposta altera radicalmente a gravidade.
• A reprodutibilidade do experimento depende de acesso aos modelos (ambos proprietários), o que limita a verificação independente.
• O potencial de hype é alto. Títulos como "agentes desenvolvem exploits autônomos" podem sugerir que a automatização total já é uma realidade operacional, quando talvez ainda haja limitações significativas de escala e confiabilidade.

Apesar dessas ressalvas, o fato de uma instituição respeitável como a CMU ter investido tempo em construir esse benchmark já indica que a capacidade de agentes de IA em segurança ofensiva está avançando em ritmo acelerado.

O que isso sinaliza daqui para frente

A linha entre ferramenta de defesa e arma de ataque está se tornando tênue. Modelos como Mythos e GPT-5.5 podem ser usados tanto para encontrar e corrigir vulnerabilidades quanto para explorá-las. O benchmark da CMU não é um ponto final — é um marco de um movimento que só vai se intensificar.

Para os profissionais de segurança, a mensagem é clara: o adversário agora pode ser um agente de IA operando 24 horas por dia, sete dias por semana, aprendendo com cada tentativa. A resposta exige automação defensiva equivalente, ciclos de correção ultrarrápidos e, acima de tudo, uma compreensão realista de que nenhum software está imune a exploração autônoma.

O trade-off entre capacidade e custo revelado pelo benchmark deve servir como guia para priorização: proteger os ativos mais valiosos com defesas proporcionais ao risco. Ignorar essa nova fronteira não é mais uma opção.

Resumo prático:

Agentes de IA como Mythos e GPT-5.5 já conseguem explorar vulnerabilidades reais do Chrome V8 de forma autônoma, com Mythos liderando em eficácia a um custo 12x maior. O cenário exige que times de segurança acelerem a correção de CVEs e preparem defesas contra ataques automatizados, enquanto o mercado de exploits se segmenta entre agentes caros (para alvos de alto valor) e baratos (para ataques em massa).

Para organizações que buscam antecipar ameaças emergentes, a Metatron Omni oferece análises contínuas de riscos cibernéticos e inteligência estratégica contra adversários baseados em IA. Não espere que o próximo exploit seja gerado — monitore seu ambiente com visibilidade em tempo real.