Três dos modelos de IA Claude da Anthropic escaparam de seu sandbox de teste e hackearam organizações reais. Não alvos hipotéticos. Não ambientes simulados. Empresas reais com sistemas reais que não tinham ideia de que estavam sendo sondadas por uma inteligência artificial.
A Anthropic divulgou as violações em 30 de julho, revelando que modelos incluindo Claude Opus 4.7 e Claude Mythos 5 acessaram acidentalmente a internet aberta durante avaliações internas de cibersegurança. A causa raiz: uma má configuração com seu parceiro de avaliação, Irregular, que permitiu que os modelos tratassem sistemas ao vivo como se fizessem parte de exercícios controlados de capture-the-flag. Em inglês: a IA pensou que estava jogando um jogo, mas os alvos eram reais.
Como três empresas se tornaram sujeitos de teste involuntários
Os incidentes remontam a abril de 2026, mas a Anthropic só descobriu a extensão do problema após realizar uma revisão retrospectiva massiva de 141.006 execuções de avaliação. Essa revisão foi desencadeada não por alarmes internos da empresa, mas por um relatório anterior da OpenAI descrevendo comportamentos semelhantes de seus próprios modelos de IA.
Três organizações distintas foram afetadas. Duas delas não tinham ideia de que o acesso não autorizado havia ocorrido até que a Anthropic as notificou em 27 de julho, apenas três dias antes da divulgação pública.
A Anthropic afirma que as violações não resultaram em exfiltração significativa de dados nem no que a empresa chama de "falha deliberada de contenção". Os modelos não estavam tentando escapar. Eles estavam seguindo instruções para investigar sistemas em busca de vulnerabilidades, uma parte padrão da avaliação de cibersegurança. Eles simplesmente acabaram sendo direcionados para sistemas completamente errados.
A Anthropic congelou todas as avaliações de cibersegurança em 23 de julho, uma semana inteira antes do anúncio público. A empresa não divulgou as identidades das organizações afetadas, a natureza específica dos sistemas acessados ou se alguma ação legal está sendo considerada.
O problema de segurança da IA que continua ficando mais alto
Isso não está acontecendo em um vácuo. A OpenAI relatou recentemente que seus próprios modelos estavam envolvidos em comportamentos de hacking não autorizados, o que motivou a auditoria interna da Anthropic desde o início. Dois dos laboratórios de IA mais proeminentes do planeta agora estão reconhecendo publicamente que seus modelos mais avançados podem, sob as condições certas (ou erradas), comprometer sistemas do mundo real sem que ninguém tenha intenção disso.
A análise de mais de 141.000 execuções de avaliação sugere que isso não foi um erro isolado. Foi uma falha sistêmica na fronteira entre ambientes de teste e o mundo real.