OpenAI vs. Claude na cibersegurança: por que ainda não há vencedor confiável

A conclusão mais segura: ainda não dá para cravar um líder

A resposta curta é: não dá para afirmar com segurança que a OpenAI está à frente, nem que o Claude está à frente.

Uma análise da CRN coloca OpenAI e Anthropic no mesmo contexto competitivo de descoberta de vulnerabilidades com apoio de IA, mas também ressalta que a pergunta “quem vai vencer?” talvez seja a menos importante para equipes de segurança. A preocupação maior é estrutural: modelos de IA podem acelerar tanto a descoberta de falhas quanto partes do processo de ataque.

A própria publicação da Anthropic sobre competições cibernéticas também não afirma que o Claude venceu a categoria inteira de “IA para cibersegurança”. O foco do texto é outro: a experiência da empresa ao testar Claude em competições indica que a IA pode alterar o equilíbrio entre ataque e defesa ao tornar mais fácil automatizar a exploração de vulnerabilidades básicas.

Ou seja: o que os dados públicos sustentam hoje é que as duas empresas estão avançando em capacidades de IA aplicadas à segurança e em estratégias de acesso controlado. O que eles não sustentam é um ranking confiável e definitivo entre OpenAI e Claude.

A “corrida” tem pelo menos três disputas diferentes

1. Quem encontra vulnerabilidades melhor

A CRN relata que, depois de a Anthropic divulgar avanços de descoberta de vulnerabilidades com IA por meio do Claude Mythos, a OpenAI também fez anúncios relacionados à mesma área. Isso naturalmente alimenta a narrativa de duelo direto.

Mas “encontrar vulnerabilidades” não é uma habilidade única. Um modelo pode ir bem em leitura de código, mas falhar ao validar se uma falha é real. Pode sugerir muitos problemas, mas gerar falsos positivos demais. Pode ajudar na triagem, mas não produzir uma prova de exploração confiável. Pode ainda ser útil para propor correções, sem necessariamente ser bom em investigação ofensiva.

Sem um conjunto comum de tarefas, versões de modelo claramente comparáveis e regras idênticas de uso de ferramentas, demonstrações isoladas e comunicados corporativos não bastam para montar uma classificação geral.

2. Quem automatiza melhor fluxos de ataque e defesa

A Anthropic cita o HackTheBox AI vs Human CTF Challenge, realizado de 14 a 16 de março de 2025, como uma competição desenhada para colocar agentes de IA contra participantes em campo aberto. CTF, ou “capture the flag”, é um formato comum em segurança ofensiva no qual participantes resolvem desafios técnicos para encontrar pistas, explorar falhas ou demonstrar habilidades específicas.

O ponto mais importante desse tipo de teste não é apenas saber se a IA resolve mais desafios. É entender o que acontece quando raciocínio, leitura de código e uso de ferramentas passam a ser automatizados. As mesmas capacidades que ajudam uma equipe defensiva a analisar vulnerabilidades também podem ajudar um atacante a transformar uma falha conhecida em um procedimento mais fácil de executar.

É por isso que um placar simples pode enganar. Em cibersegurança, uma melhora de desempenho não é automaticamente “boa” ou “ruim”: tudo depende de quem usa, em que contexto, com quais permissões e sob quais controles.

3. Quem consegue liberar capacidades perigosas com segurança

A disputa também envolve governança. A CRN coloca a iniciativa Trusted Access for Cyber, da OpenAI, no mesmo contexto competitivo, indicando que a questão não é só o que o modelo consegue fazer, mas quem pode acessar capacidades mais sensíveis e sob quais condições.

A Anthropic também trata governança de abuso como parte do problema. Segundo a empresa, sua equipe de Safeguards identificou e baniu um usuário com pouca capacidade de programação que estava usando Claude para desenvolver malware.

Isso não significa que todo uso de IA em cibersegurança seja malicioso. Significa que, quando modelos ficam fortes o suficiente para ajudar em tarefas sensíveis, monitoramento, auditoria, bloqueio e resposta a abuso deixam de ser detalhes operacionais e passam a fazer parte da avaliação da tecnologia.

Por que um ranking geral seria precipitado

Uma comparação confiável entre OpenAI e Claude em cibersegurança exigiria, no mínimo, seis condições:

• o mesmo conjunto de tarefas;
• as mesmas versões de modelo;
• as mesmas ferramentas disponíveis;
• o mesmo nível de ajuda humana;
• as mesmas restrições de segurança;
• critérios de pontuação públicos e reproduzíveis.

Os materiais públicos disponíveis não atendem a esse padrão. O texto da Anthropic mostra experiências do Claude em competições cibernéticas e discute riscos de automação e abuso. A análise da CRN organiza a disputa entre OpenAI e Anthropic em torno de descoberta de vulnerabilidades e estratégias de liberação. Esses materiais são úteis para entender tendências, mas não podem ser convertidos diretamente em uma tabela definitiva de “melhor modelo”.

É aqui que entram referências como o CYBENCH. O CYBENCH é apresentado como uma estrutura para avaliar capacidades de IA em tarefas de cibersegurança, sinalizando uma tentativa de medir desempenho de forma mais organizada. Ainda assim, ele não é um anúncio de vitória da OpenAI sobre Claude, nem de Claude sobre OpenAI.

O que equipes de segurança deveriam comparar de verdade

O caso de uso está bem delimitado?

Antes de escolher qualquer ferramenta, a pergunta prática é: a IA será usada para triagem de vulnerabilidades, revisão de código, resposta a incidentes, resolução de desafios, análise de malware, testes de exploração ou outra atividade?

Quanto mais perto o uso estiver da cadeia de ataque, maior precisa ser o cuidado. A Anthropic alerta que a IA pode tornar mais fácil automatizar a exploração de vulnerabilidades básicas, o que eleva a importância de limites claros de uso.

A alegação de desempenho pode ser reproduzida?

Anúncios de empresas, artigos de red team, benchmarks acadêmicos e pilotos internos são formas diferentes de evidência. Para compra ou implantação, o ideal é exigir testes reproduzíveis, exemplos de falhas, métricas transparentes e avaliação no ambiente real da organização. Estruturas como o CYBENCH ajudam a mostrar por que a padronização importa.

O acesso é controlado?

Em IA para cibersegurança, o risco não está apenas na resposta do modelo, mas também no perfil de quem usa, no ambiente de execução e nas ferramentas conectadas. A cobertura da CRN sobre a iniciativa Trusted Access for Cyber, da OpenAI, reflete justamente essa preocupação com acesso e governança de uso.

O fornecedor consegue lidar com abuso?

O caso relatado pela Anthropic, em que um usuário foi banido após usar Claude para desenvolver malware, mostra que detecção de abuso, auditoria e suspensão de contas são controles centrais, não acessórios.

Se um fornecedor consegue demonstrar capacidade técnica, mas não explica como monitora e responde a uso indevido, o risco operacional fica subestimado.

O ponto principal

A corrida OpenAI vs. Claude em IA para cibersegurança ainda não tem campeão confiável. O que os dados públicos indicam é que a Anthropic colocou em evidência testes com Claude em competições cibernéticas, riscos de automação de exploração e governança contra abuso; enquanto a OpenAI aparece, ao lado da Anthropic, em uma disputa mais ampla por descoberta de vulnerabilidades com IA e estratégias de acesso controlado.

Para quem trabalha com segurança, a pergunta mais útil não é “qual modelo está vencendo a narrativa?”. É: a capacidade é verificável? O acesso é controlado? O ganho defensivo compensa o risco de abuso? E a implantação pode ser monitorada, auditada e ajustada com o tempo?