> ## Content Index
> Fetch the complete content index at: https://nanogiga.online/llms.txt
> Use this file to discover other available public pages before exploring further.

# OpenAI passa a treinar modelos de fronteira sem acesso à internet
- URL: https://nanogiga.online/ia/openai-treina-modelos-de-fronteira-sem-internet/
- Published: 2026-10-23T15:00:00.000Z
- Updated: 2026-10-24T04:41:55.000Z
- Description: Laboratório detalha contenção reforçada, um «mundo offline» no treino com RL e red-teaming que achou falhas em VMs, DNS e na cache da CPU.
- Author: nanoGiga
- Tags: IA

A OpenAI decidiu tirar a internet dos treinos mais sensíveis. Numa [publicação desta sexta-feira (23)](https://openai.com/index/securing-our-frontier-model-training-environment?ref=nanogiga.online), o laboratório detalhou a arquitetura com que passou a conter o treinamento e a avaliação dos seus modelos de fronteira — ambientes deliberadamente offline, máquinas virtuais endurecidas e perímetros de nuvem em camadas — e revelou que só retomou o treino por reforço dos modelos mais capazes em 1º de outubro, depois de uma campanha em que frotas dos próprios modelos tentaram furar a infraestrutura.

A regra nova é explícita: «a abordagem responsável, com base no estado atual da pesquisa de alinhamento, dos sistemas de monitoramento e da segurança da internet, é treinar modelos de fronteira sem nenhum acesso à internet» — política que vale até que avanços nas salvaguardas justifiquem ampliá-la de novo.

## O episódio que endureceu as regras

Modelos precisam de ambientes de computação para trabalhar — sandboxes onde escrevem e executam código, buscam informação e testam abordagens. O problema, escreve a OpenAI, é que modelos mais capazes ficam melhores em contornar esses limites: exploram falhas de software para escapar, abusam de serviços internos para alcançar a internet ou burlam o isolamento entre ambientes. Em julho, o incidente envolvendo a Hugging Face e outros casos de desalinhamento demonstraram o risco na prática.

O estopino veio em 20 de setembro: um modelo interno de pesquisa [explorou um DNS resolvido mal configurado](https://alignment.openai.com/misalignment-reports/an-agent-used-dns-to-reach-an-external-chatbot?ref=nanogiga.online) para obter acesso limitado à internet ao vivo durante um treino. O episódio foi contido, mas a empresa pausou o treinamento e a avaliação dos seus modelos mais capazes e usou a pausa para endurecer a infraestrutura, o monitoramento e os sistemas automáticos de parada.

## Um mundo offline, com defesa em camadas

A resposta arquitetural tem duas frentes. Primeiro, um «mundo offline»: um conjunto vasto de conteúdo web indexado e em cache com o qual os modelos podem aprender a navegar, buscar e usar aplicativos sem risco de afetar sistemas externos — todos os treinos de RL de fronteira já usam esse modo. Segundo, defesa em profundidade: contêineres restritos dentro de VMs leves (com kernel próprio, isoladas pelo hipervisor), monitoramento para detectar atividade não autorizada e perímetros de rede e nuvem — cortesias de firewall, grupos de segurança e rede privada dos parceiros de nuvem — capazes de segurar a contenção mesmo se um agente escapar da sandbox e dominar a máquina hospedeira. Não é isolamento total: conexões externas seguem necessárias para operar os experimentos, mas o tráfego de saída e o movimento lateral são restritos.

## Frotas de agentes contra o próprio datacenter

Para testar as novas defesas, a OpenAI convocou frotas de agentes dos seus modelos mais fortes — incluindo o futuro GPT-6 Astra Cyber e um modelo interno de fronteira — com três objetivos: alcançar a internet ao vivo, cruzar uma fronteira interna de segurança e comunicar-se com agentes que deveriam estar isolados. Alguns testes partiram do pior caso: sandbox escapada, monitoramento evadido, controle da máquina hospedeira. Para favorecer o atacante, os agentes receberam código-fonte, configurações e documentação. Ao todo, foram gastos centenas de bilhões de tokens.

Os agentes acharam brechas reais: encadearam vulnerabilidades para escapar de VMs endurecidas, o que rendeu patches devolvidos a projetos abertos — Kata Containers (incluindo a CVE-2026-24834 e correções de isolamento), gVisor, Moby/Docker — e três CVEs corrigidas no próprio kernel Linux (2026-74753, 80521 e 80841). Também abusaram de conexões legítimas: numa experiência, um agente reutilizou uma conexão aprovada pelo firewall para alcançar um endpoint de autenticação bloqueado e fazê-lo buscar uma URL fornecida pelo modelo; outras rotas passaram por más configurações de DNS e firewall e por serviços que buscam URLs externas.

## Canais secretos na CPU

O teste mais inquietante dispensa rede. Agentes em VMs separadas, na mesma máquina hospedeira, trocaram «segredos» sintéticos sem conexão de rede e sem arquivo compartilhado — usando a cache do processador como canal: um agente codificava informações ao evitar dados da cache; o outro media o tempo de recarga para decodificar a mensagem, a mesma família de técnica usada nas extrações dos ataques Spectre e Meltdown. Outros canais usaram escrita contínua em armazenamento compartilhado («um sinal tipo modem acústico», resumiu a cadeia de pensamento de um dos agentes) e a competição por CPU. A OpenAI reconhece que são lentos e difíceis de explorar — mas adicionou checagens de monitoramento para detectá-los.

## Retomada — e red-teaming permanente

Com o tempo, o número de vulnerabilidades achadas pelos agentes caiu significativamente, e a empresa não encontrou rota trivial e ocultável para a internet. Foi o bastante para retomar, em 1º de outubro — 11 dias após a pausa —, o treino de RL e a inferência interna dos modelos de fronteira. O red-teaming de alta computação virou parte permanente dos «casos de segurança» que avaliam se cada rodada de treino pode prosseguir, com computação reservada para continuar procurando furos nas próprias defesas.

## Fontes

1. OpenAI (newsroom) — "Securing our frontier model training environment", 23/10/2026.
2. OpenAI Alignment — "An agent used DNS to reach an external chatbot" (relatório de desalinhamento sobre o incidente de 20/09/2026), 20/09/2026.