Voltar à tendência do dia: Alguns hackers usam agentes de IA para virar correções públicas de software em ataques
Ranking Poly · da tendência do dia

Melhor IA para cibersegurança 2026: pontuações de exploração e de correção

No próprio artigo do CyberGym, o melhor agente de IA reproduziu no máximo 22% das vulnerabilidades reais, e os fornecedores agora afirmam 95–97% nos mesmos 1.507 bugs.

  • Nº 1: GPT-6 Sol (OpenAI)
  • 10 posições

01Lista final

As IAs líderes montaram cada uma a sua lista de dez, de forma independente. Aqui está um resultado fácil de conferir: cada posição tem um motivo, uma fonte e a lista das IAs que a incluíram.

Ordem: da maior para a menor concordância entre as IA.

Uma etiqueta forte significa que essa IA pôs o item na sua lista. Uma esmaecida, que não pôs.

  1. 1

    GPT-6 Sol (OpenAI)

    Segundo no CyberBench v1.1 com 77,98%, e cerca de 69% no Artificial Analysis Cyber Index em sua versão restrita Daybreak Blue. Não foi encontrada pontuação em benchmark de correção.

    Incluíram: Claude, Meta, Grok, DeepSeek. Não incluíram: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    Nas listas delas: Claude: 6 · Meta: 2 · Grok · DeepSeek: 5

    O que cada IA notou 1
    • Claudeposição 6

      Segundo no CyberBench v1.1, sem número do SWE-bench nas minhas fontes.

    4 IAs colocaram aqui
  2. 2

    Muse Wonder (Meta)

    Lidera o Vals CyberBench v1.1 com 80,36% e marca 96,7% no SWE-bench Pro V2 Full, ou seja, é forte tanto em quebrar quanto em corrigir. Uma listagem 'Wonder Full' mostra 73,6%.

    Incluíram: Claude, Meta, Grok, DeepSeek. Não incluíram: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    Nas listas delas: Claude: 7 · Meta: 1 · Grok: 7 · DeepSeek: 4

    O que cada IA notou 1
    • Claudeposição 7

      No topo do CyberBench v1.1 com 80,36%, mas não encontrei notas de correção para ele.

    4 IAs colocaram aqui
  3. 3

    Gemini 4 Argon (Google)

    Marca 77,86% no CyberBench, 0,12 ponto atrás do GPT-6 Sol, além de 65–68% em correções do CWE-bench. É um dos poucos modelos avaliados nos dois lados.

    Incluíram: Claude, Meta, Grok, DeepSeek. Não incluíram: ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    Nas listas delas: Claude: 5 · Meta: 3 · Grok: 3 · DeepSeek: 10

    O que cada IA notou 1
    • Claudeposição 5

      Só 0,12 ponto atrás do GPT-6 Sol no CyberBench, de uma empresa que também cria as ferramentas de defesa Big Sleep e CodeMender.

    4 IAs colocaram aqui
  4. 4

    DeepSeek V4 (Pro e V4.1 Flash)

    De pesos abertos: o V4 Pro corrige 96,40% no SWE-bench Verified, e o V4.1 Flash marca 73,69% no CyberBench por menos de US$ 3 por execução, contra cerca de US$ 22 do GPT-6 Sol.

    Incluíram: Claude, Grok, Kimi, DeepSeek. Não incluíram: ChatGPT, Meta, Nemotron, Gemini, MiMo, Wenxin.

    Nas listas delas: Claude: 3 · Grok: 4 · Kimi: 9 · DeepSeek: 7

    O que cada IA notou 1
    • Claudeposição 3

      Segundo no SWE-bench Verified com 96,40%, um modelo de pesos abertos que os atacantes podem rodar por conta própria.

    4 IAs colocaram aqui
  5. 5

    Claude Opus 5 (Anthropic)

    O melhor corretor medido nas tabelas SWE-bench Verified de duas publicadoras (97,00% na Vals, 96% na BenchLM). A Vals considera esse teste saturado, e não existe pontuação de exploração para este modelo.

    Incluíram: Claude, MiMo, Kimi. Não incluíram: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.

    Nas listas delas: Claude: 1 · MiMo: 1 · Kimi: 3

    O que cada IA notou 1
    • Claudeposição 1

      Primeiro no SWE-bench Verified com 97,00%, então corrige mais do que quebra, e o rastreador do Google não citou o Claude entre as ferramentas dos atacantes.

    3 IAs colocaram aqui
  6. 6

    Claude Fable 5.2 (Anthropic)

    Melhor corretor: 75% no CWE-bench v2, executado pelos mantenedores do benchmark, 7 pontos à frente do Gemini 4 Hydrogen. Também marca 93% no SWE-bench Pro, e nenhuma pontuação de exploração é publicada.

    Incluíram: Meta, Grok, Kimi. Não incluíram: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.

    Nas listas delas: Meta: 5 · Grok: 1 · Kimi: 1

    3 IAs colocaram aqui
  7. 7

    Claude Mythos 5 (Anthropic)

    Corrige 95,5% no SWE-bench Verified, mas alcança apenas 38,1% no ExploitGym, contra 48,5% do GPT-6 Cyber. O perfil pende para a defesa, embora cada laboratório tenha usado seu próprio ambiente de teste.

    Incluíram: Claude, MiMo, Kimi. Não incluíram: ChatGPT, Meta, Grok, Nemotron, Gemini, DeepSeek, Wenxin.

    Nas listas delas: Claude: 4 · MiMo: 2 · Kimi: 6

    O que cada IA notou 1
    • Claudeposição 4

      Segundo na tabela de correções do BenchLM com 95,5%, mas não encontrei números de exploração específicos do Mythos.

      Fonte ↗
    3 IAs colocaram aqui
  8. 8

    GPT-6 Cyber (OpenAI)

    Especialista em exploração: 48,5% no ExploitGym e 100% no ExploitBench, ambos divulgados pela OpenAI. Está disponível apenas atrás de verificações de identidade, e nenhuma pontuação de correção é publicada.

    Incluíram: Meta, Grok, Kimi. Não incluíram: Claude, ChatGPT, Nemotron, Gemini, MiMo, DeepSeek, Wenxin.

    Nas listas delas: Meta: 8 · Grok: 2 · Kimi: 4

    3 IAs colocaram aqui
  9. 9

    Claude Opus 5.5 (Anthropic)

    Lidera os ataques de rede do Vals CyberOffense com 77,1% e corrige 89,9% no SWE-bench Pro. Sua pontuação no CyberBench é de 55,36% ou 74,6%, dependendo da tabela da Vals.

    Incluíram: Meta, Grok, DeepSeek. Não incluíram: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, Wenxin.

    Nas listas delas: Meta: 4 · Grok: 8 · DeepSeek: 9

    3 IAs colocaram aqui
  10. 10

    Kimi K3.1 Pro (Moonshot AI)

    Maior pontuação no Artificial Analysis Cyber Index em uma API pública padrão (64,1%), e 94,7% no CyberGym-E2E-AA, acima dos 93% do GPT-6 Sol Daybreak Blue, que é restrito.

    Incluíram: Meta, Grok. Não incluíram: Claude, ChatGPT, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin.

    Nas listas delas: Meta: 6 · Grok: 6

    2 IAs colocaram aqui

02Vale a pena saber

O que as IAs perceberam ao montar a lista.

O próprio artigo do CyberGym colocou o melhor agente entre 11,9% (versão inicial) e 22,0% (versão final). Os fornecedores agora afirmam 93–97% no mesmo conjunto: TrendAI com 97% e 95,1% autodeclarados para o MiMo-V2.6-Flash da Xiaomi.

Perceberam:
Incluíram: Claude, ChatGPT, Meta, Grok, Kimi. Não incluíram: Nemotron, Gemini, MiMo, DeepSeek, Wenxin.
Fonte ↗

O ambiente de teste altera as pontuações tanto quanto o modelo: em um caso, a Semgrep viu um modelo passar de 25% para 73% com um ambiente melhor.

Perceberam:
Incluíram: Claude. Não incluíram: ChatGPT, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin.
Fonte ↗

Versões de teste não são comparáveis: o GPT-5.6 Sol caiu de 88,14% no CyberBench v1 para 76,31% na v1.1. A Vals também conta recusas como falhas.

Perceberam:
Incluíram: Claude, ChatGPT, Kimi, DeepSeek. Não incluíram: Meta, Grok, Nemotron, Gemini, MiMo, Wenxin.
Fonte ↗

As pontuações de correção também estão infladas: a OpenAI parou de divulgar o SWE-bench Verified depois que uma auditoria encontrou falhas relevantes nos testes em 59,4% das tarefas difíceis verificadas.

Perceberam:
Incluíram: ChatGPT, DeepSeek. Não incluíram: Claude, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, Wenxin.
Fonte ↗

Atacantes em campo usam arcabouços de agentes de código aberto (ARTEX, CAIRN, PentAGI, CyberStrikeAI, exploit_agent), e não os modelos que lideram os rankings. O FBI diz que o ARTEX chegou a acesso privilegiado em menos de três horas.

Perceberam:
Incluíram: Meta, MiMo, Kimi. Não incluíram: Claude, ChatGPT, Grok, Nemotron, Gemini, DeepSeek, Wenxin.
Fonte ↗

03O que as pessoas perguntam

Qual é a melhor IA para cibersegurança?

Nenhum modelo vence sozinho. O Muse Wonder lidera o Vals CyberBench v1.1 com 80,36%, enquanto o Claude Fable 5.2 lidera a correção no CWE-bench v2 com 75%.

Qual é o melhor modelo de IA para cibersegurança?

Depende da tarefa. Para corrigir bugs reais, o Claude Opus 5 lidera o SWE-bench Verified com 97,00%; para ataques simulados de rede, o Claude Opus 5.5 lidera o Vals CyberOffense com 77,1%.

Qual é a melhor ação de cibersegurança com IA?

Os benchmarks classificam modelos, não ações. A Wedbush indicou a CrowdStrike (preço-alvo de US$ 250) e a Palo Alto Networks (preço-alvo de US$ 400) como suas principais escolhas em cibersegurança.

Fonte ↗
Qual é a melhor certificação de cibersegurança com IA?

O CompTIA SecAI+ (CY0-001), lançado em 17 de fevereiro de 2026, é o ponto de partida específico para IA: até 60 questões em 60 minutos, voltado para quem tem alguns anos de trabalho em segurança.

Fonte ↗

04Como contamos

Em palavras simples, sem fórmulas.

1A pergunta

Os 10 melhores modelos de IA para cibersegurança: habilidade de ataque x habilidade de correção

2Por que este tema

O leitor vê juntas as pontuações do lado do ataque, as do lado da defesa e o que foi observado em ataques reais. Assim, descobre quais modelos mais ajudam os defensores e por que o mesmo teste dá respostas muito diferentes conforme quem o aplica.

3Onde se aplica

Mundial; modelos de IA de ponta e configurações de agentes testados em falhas reais de software

4O que analisamos

  • Taxa de sucesso ao reproduzir vulnerabilidades reais em laboratório (CyberGym, CyberBench da Vals.ai)
  • Taxa de sucesso ao produzir correções que funcionam e não quebram nada em bugs reais de código (família SWE-bench)
  • Se é preciso um humano para terminar o trabalho
  • Quão consistentes são as pontuações de um modelo entre versões de teste e publicadores
  • Vals.ai CyberBench v1.1 — Reprodução de prova de conceito (60 tarefas) e correções sem quebrar outros testes (56 tarefas) em bugs reais do OSS-Fuzz; não comparável com a v1
  • CWE-bench v2 (via BenchLM) — Correção de vulnerabilidades classificadas por tipo de fraqueza, executada pelos mantenedores do benchmark
  • SWE-bench Verified (Vals, BenchLM) — Parcela de bugs reais de código aberto corrigidos sem quebrar outros testes; a Vals marca como saturado
  • SWE-bench Pro (Scale AI SEAL) — Tarefas mais difíceis de correção em repositórios reais; a V2 usa 642 tarefas

5Quem classificou

As IAs líderes: Claude, ChatGPT, Meta, Grok, Nemotron, Gemini, MiMo, Kimi, DeepSeek, Wenxin. Cada uma montou sua própria lista de dez de forma independente e indicou uma fonte para cada posição.

6Como as posições foram definidas

O mesmo item escrito de formas diferentes por IAs diferentes foi contado como um só. Quanto mais IAs o colocaram na lista, e quanto mais alto, mais alta a posição. "Acordo das IAs" mostra quantas IAs tinham o item na própria lista. As fontes são apenas as que as próprias IAs encontraram; nada foi acrescentado à mão.

05A lista de cada IA

🇺🇸 Claude10 posições · 4 notas

A mesma pergunta, respondida só por Claude. A lista final acima combina todas as IAs.

  1. 1
    Claude Opus 5

    Primeiro no SWE-bench Verified com 97,00%, então corrige mais do que quebra, e o rastreador do Google não citou o Claude entre as ferramentas dos atacantes.

  2. 2
    GPT-5.6 Sol

    Caiu de 88,14% no CyberBench v1 para 76,31% na v1.1, o que mostra o quanto a versão do teste importa.

  3. 3
    DeepSeek V4 Pro

    Segundo no SWE-bench Verified com 96,40%, um modelo de pesos abertos que os atacantes podem rodar por conta própria.

  4. 4
    Claude Mythos 5

    Segundo na tabela de correções do BenchLM com 95,5%, mas não encontrei números de exploração específicos do Mythos.

    Fonte ↗
  5. 5
    Gemini 4 Argon

    Só 0,12 ponto atrás do GPT-6 Sol no CyberBench, de uma empresa que também cria as ferramentas de defesa Big Sleep e CodeMender.

  6. 6
    GPT-6 Sol

    Segundo no CyberBench v1.1, sem número do SWE-bench nas minhas fontes.

  7. 7
    Wonder (configuração de agente)

    No topo do CyberBench v1.1 com 80,36%, mas não encontrei notas de correção para ele.

  8. 8
    Claude Fable 5

    95% na tabela de correções do BenchLM, perto dos modelos Opus e Mythos.

    Fonte ↗
  9. 9
    Agente de IA da Sangfor sobre o DeepSeek-V4-Flash

    Relatou 93,2% no CyberGym em um único relatório, o que destoa do resultado verificado de 63,24% em um artigo de setembro.

    Fonte ↗
  10. 10
    Agente MDASH da Microsoft

    Relatou 88,45% no CyberGym em maio de 2026.

    Fonte ↗

O que Claude percebeu

Os primeiros resultados do CyberGym foram baixos: 17,9% para o melhor resultado de uma tentativa no artigo. O GPT-5 subiu de 7,7% para 22,0% com mais esforço de raciocínio.

O ambiente de execução do agente pode mudar os resultados tanto quanto o modelo: a Semgrep viu um modelo passar de 25% para 73% com um ambiente melhor.

O Berkeley RDI relatou o Claude Sonnet 4.5 com 28,9% no CyberGym em uma única rodada, chegando a 66,7% com 30 tentativas.

O GTIG diz que atacantes usam IA sobretudo em trabalho com n-days, como analisar correções e códigos de prova de conceito. Relata que o UNC2814, ligado à China, e o APT45, da Coreia do Norte, usaram IA em pesquisa de vulnerabilidades.