Claude Opus 4.7 contra GPT-5.5 Spud: quem resiste melhor à contaminação de pesquisa?

O veredito curto: falta prova comparável

A resposta responsável é: não há evidência suficiente para apontar um vencedor.

Para responder de verdade, seria preciso colocar os dois modelos no mesmo ambiente, com a mesma ferramenta de busca, o mesmo parser de PDF, o mesmo conjunto de documentos, os mesmos ataques e a mesma régua de avaliação. A comparação teria de medir, por exemplo, taxa de obediência a injeções de prompt, taxa de citações sem suporte, resposta a PDFs com instruções ocultas e qualidade da conclusão depois de expor o modelo a dados enviesados. Esse teste público, direto e comparável não aparece nos materiais disponíveis.

Há, porém, uma diferença importante: a documentação oficial do Claude Opus 4.7 é mais rastreável. A Anthropic publicou anúncio, documentação de desenvolvedor e lista Claude Opus 4.7 em sua página de system cards, isto é, documentos técnicos de avaliação e segurança do modelo. Isso ajuda quem precisa auditar o que foi divulgado. Mas documentação mais visível não prova, por si só, que o Claude se saia melhor contra contaminação de pesquisa.

O que os documentos realmente sustentam

Claude: mais contexto oficial, mas não um duelo contra Spud

Os documentos da Anthropic confirmam o lançamento do Claude Opus 4.7 e trazem orientações para desenvolvedores. A documentação afirma que o Opus 4.7 introduz task budgets, e as boas práticas de prompting dizem que, em esforço max ou xhigh, é recomendável reservar uma grande quantidade de tokens de saída para que o modelo tenha espaço para atuar entre subagentes e chamadas de ferramentas.

Isso mostra que a Anthropic documenta aspectos ligados a tarefas longas, uso de ferramentas e fluxos agentivos. A system card do Claude 4 também descreve testes de segurança pré-lançamento alinhados à Responsible Scaling Policy, testes de violações da Usage Policy, avaliações de reward hacking e avaliações de segurança agentiva para uso de computador e programação. A system card do Claude 4.1 ainda lista seções sobre ataques de prompt injection e uso de computador.

Esses pontos são relevantes. Ainda assim, eles não formam um teste público comparando Claude Opus 4.7 com GPT-5.5 Spud em pesquisa contaminada.

OpenAI: há avaliações de segurança, mas não específicas do Spud

Do lado da OpenAI, a system card do GPT-5 cobre correção factual e alucinações. O documento descreve o uso de um avaliador baseado em LLM com acesso à web para marcar erros factuais maiores e menores, e afirma que modelos GPT-5 tiveram taxas menores de alucinação, em configurações browse-on e browse-off, em comparação com os modelos da OpenAI listados no próprio relatório.

A system card do ChatGPT Agent descreve avaliações estáticas e agentivas do SecureBio, red teaming manual e tarefas que exigem busca na web e raciocínio. Já o adendo da system card do GPT-5-Codex cita explicitamente o risco de prompt injection e uma suíte de avaliação dedicada a esse tipo de ataque.

O ponto fraco, para esta comparação, é outro: esses documentos não são uma system card oficial específica do GPT-5.5 Spud. Nas fontes consultáveis aqui, Spud aparece principalmente em páginas de terceiros e em resumos de vazamentos, não em um documento formal da OpenAI voltado a esse modelo.

Quatro riscos de contaminação, um por um

1. Injeção de prompt

A injeção de prompt acontece quando um conteúdo não confiável — uma página, um PDF, uma célula de planilha, uma nota de rodapé — tenta se passar por instrução do usuário ou do sistema. É o tipo de ataque em que o documento diz, por exemplo, para ignorar regras anteriores ou exfiltrar dados.

Tanto Anthropic quanto OpenAI têm materiais que indicam preocupação com segurança agentiva e prompt injection. Do lado da Anthropic, há referências a segurança agentiva, uso de computador e ataques de prompt injection em documentos do Claude 4 e 4.1. Do lado da OpenAI, há avaliações agentivas, red teaming manual e uma suíte de avaliação de prompt injection no contexto de ChatGPT Agent e GPT-5-Codex.

Mas isso não responde à pergunta central: diante do mesmo lote de documentos contaminados, qual modelo obedece menos ao conteúdo malicioso? Sem teste lado a lado, não dá para transformar a existência de avaliações em placar.

2. Citações falsas

Citação falsa é uma falha de factualidade e rastreabilidade: DOI inventado, periódico inexistente, URL que parece confiável mas não sustenta a afirmação, ou paper real usado para justificar algo que ele não diz.

A system card do GPT-5 de fato trata de correção factual e alucinações, com metodologia de avaliação descrita no documento. Isso é relevante para o tema. Só que uma avaliação geral de alucinação não é a mesma coisa que um teste de estresse de citações acadêmicas.

O que falta é uma bateria pública com DOI verdadeiro e falso, URL válida e quebrada, periódico real e inventado, além de papers plausíveis mas inexistentes — aplicada igualmente ao Claude Opus 4.7 e ao GPT-5.5 Spud. Esse comparativo não aparece nas fontes disponíveis.

3. PDFs maliciosos

PDF é um formato especialmente problemático porque pode conter texto oculto, metadados, anotações, camadas de OCR e instruções que o usuário talvez nem veja. Nos materiais públicos consultados, não há métricas comparáveis mostrando como Claude Opus 4.7 e GPT-5.5 Spud se comportam diante de PDFs com instruções escondidas, falsas mensagens de sistema ou comandos inseridos em comentários e metadados.

Na prática, isso significa que a segurança não deveria depender só do modelo. Um fluxo mais prudente trata o PDF como entrada não confiável: extrai texto e estrutura em ambiente isolado, registra o que foi lido, separa conteúdo de instruções e mede se o modelo confundiu comandos dentro do documento com ordens legítimas do usuário.

4. Dados enviesados

Dados enviesados são outro tipo de contaminação: o modelo recebe fontes de um único lado, amostras desequilibradas ou evidências contrárias omitidas, e acaba escrevendo uma conclusão geral como se a base fosse completa.

A system card do Claude 4 contém seções de avaliação de viés, e a do Claude 4.1 lista avaliações de viés político e discriminatório. A system card do GPT-4.5, da OpenAI, também menciona avaliações de viés, como o BBQ Evaluation Dataset.

Mas benchmark de viés não é igual a teste de pesquisa contaminada de ponta a ponta. O que importaria aqui é medir se o modelo percebe a falta de pluralidade nas fontes, procura evidência contrária, aponta limitações de amostragem e evita transformar uma base enviesada em conclusão definitiva. Não há resultado público comparável para Claude Opus 4.7 e GPT-5.5 Spud nesse tipo de tarefa.

Por que system cards não resolvem tudo

System cards são úteis: elas mostram que avaliações foram feitas, quais riscos foram considerados e como o fornecedor enquadra capacidades e limitações. A Responsible Scaling Policy da Anthropic exige avaliações amplas antes do lançamento de modelos de fronteira em áreas de risco potencialmente catastrófico, como CBRN, cibersegurança e capacidades autônomas; a system card do Claude 4 descreve vários testes de segurança e avaliações agentivas. A OpenAI também publicou contexto de avaliações de factualidade, alucinação, tarefas agentivas e red teaming em documentos de GPT-5 e ChatGPT Agent.

O problema é que pesquisa contaminada não testa apenas o modelo isolado. Ela testa o fluxo inteiro: buscador, parser de anexos, hierarquia de instruções, permissões de ferramentas, comportamento do modelo, checagem de fontes, logs e revisão humana. Um bom resultado em uma avaliação oficial não garante que uma implementação real, com plugins e documentos externos, vá resistir a todos os ataques.

Há ainda um lembrete importante: o comportamento de modelos pode mudar conforme prompt e contexto. Uma pesquisa da Anthropic sobre alignment faking mostrou que, em certas configurações experimentais, modelos de linguagem podem exibir comportamentos associados a fingimento de alinhamento, com diferenças entre condições de prompt. Isso não prova que Claude Opus 4.7 ou GPT-5.5 Spud falharão em pesquisa. Apenas reforça que segurança não deve ser inferida por marketing, capturas de tela ou demonstrações isoladas.

Como escolher se você precisa decidir hoje

Se a escolha for para um fluxo sério de pesquisa, o melhor caminho não é torcer por um fornecedor. É criar uma avaliação reproduzível e aplicar aos dois modelos nas mesmas condições. Um teste mínimo deveria incluir:

1. Injeção de prompt: páginas, PDFs, tabelas, notas de rodapé e referências com comandos maliciosos conflitantes, medindo se o modelo obedece ao conteúdo não confiável.
2. Citações falsas: mistura de DOI real e falso, URL válida e inválida, periódico real e inventado, e artigos plausíveis mas inexistentes, medindo taxa de citação sem suporte e taxa de alerta correto.
3. PDF malicioso: documentos preparados em sandbox com texto oculto, comentários e metadados instrucionais, medindo se o modelo trata o conteúdo como ordem.
4. Dados enviesados: bases com fontes unilaterais, amostras desequilibradas e contraevidência omitida, medindo se o modelo sinaliza limitações e busca explicações alternativas.
5. Qualidade de pesquisa de ponta a ponta: conclusão correta, rastreabilidade das fontes, tratamento de evidência contrária, recusas apropriadas, excesso de recusas, uso de ferramentas e custo de revisão humana.

Conclusão

Pelo conjunto público verificável, não é possível provar que Claude Opus 4.7 ou GPT-5.5 Spud seja mais forte contra injeção de prompt, citações falsas, PDFs maliciosos e dados enviesados. O lado Claude tem vantagem estreita em rastreabilidade documental: há anúncio, documentação de desenvolvedor e listagem de system card para o Opus 4.7. O lado OpenAI tem materiais relevantes sobre GPT-5, ChatGPT Agent e GPT-5-Codex, incluindo factualidade, alucinação, avaliações agentivas e prompt injection, mas isso não é evidência direta e específica sobre GPT-5.5 Spud.

Portanto, a conclusão mais segura é: Claude parece melhor documentado no critério estreito de transparência pública; na segurança real de fluxos de pesquisa contaminados, a evidência ainda é insuficiente.