---
title: "Anthropic revela Anvil, red-teamer automatizado que supera especialistas"
url: https://dailyjournal.news/news/2026-11-13/anthropic-revela-anvil-red-teamer-automatizado-que-supera-especialistas
published: 2026-11-13T12:00:00+00:00
updated: 2026-11-13T14:42:47.940151+00:00
categories: ["technology"]
source_count: 2
outlet_count: 0
language: pt-BR
publisher: "Daily Journal"
---

# Anthropic revela Anvil, red-teamer automatizado que supera especialistas

O Anvil achou falhas nas salvaguardas do Claude em horas, onde especialistas levaram mais tempo, e a Anthropic já o usa para testar salvaguardas antes do lançamento.

## Pontos principais

- A Anthropic detalhou o Anvil em 12 de novembro.
- Em biologia, o Anvil achou jailbreaks mais fortes que todos os participantes do bug bounty juntos, em 24 a 48 horas.
- No mesmo bounty, participantes levaram 430 horas em mais de sete semanas para achar um jailbreak de alta severidade em só 1 das 8 perguntas, e um mais fraco em 3 outras.
- Em cibersegurança, levou o Claude protegido a escrever exploits funcionais de falhas antigas dos motores JavaScript do Chrome e do Firefox, em 0,4 a 4,4 horas por tarefa; os especialistas contratados levaram até 177 horas.
- Em 9 dos 11 casos em que os especialistas reportaram quebra, um modelo auxiliar com salvaguardas mais fracas escreveu ou executou o código; a Anthropic exige que o próprio modelo protegido escreva e execute cada etapa.
- Contra os classificadores antidestilação, vazou raciocínio oculto após 435 requisições, contra 102.200 dos especialistas; as fugas mais graves foram parecidas (90 do Anvil, 95 dos humanos), e a Anthropic diz que a vantagem está em escala e eficiência.
- Na destilação, a taxa de falhas estáticas do Anvil caiu de 31,5% para 0,4% ao longo das gerações de classificadores.
- No Fable 5.1, a extração real de raciocínio caiu de 33,8% para 0 de 381 tentativas amostradas, mas a Anthropic não atribui a queda só ao Anvil, porque outras melhorias saíram no mesmo período.

Red-teaming é atacar o próprio sistema para achar falhas antes de terceiros. A Anthropic diz que o Anvil supera red-teamers humanos contra as salvaguardas do Claude ligadas a armas biológicas, cibersegurança e destilação (cópia das capacidades de um modelo por outro).

Hoje, a Anthropic diz, um atacante externo teria dificuldade: o Anvil depende de versões internas do Claude sem salvaguardas e de ver as pontuações dos classificadores. Com salvaguardas ativas no modelo atacante, ela estima que 97% das 1.453 sessões seriam bloqueadas. Ela prevê, porém, que sistemas semelhantes possam logo usar modelos com proteções mais fracas.

## Fontes

- [Javier Rando: como a Anthropic usa red-teaming automatizado](https://x.com/javirandor/status/2120949295818137620) (2026-11-13)
- [Fortalecendo nossas salvaguardas com red-teaming automatizado de fronteira](https://safeguards.anthropic.com/2026/automated-red-teaming/) (2026-11-13)

---

Publicado por Daily Journal. Versão HTML: https://dailyjournal.news/news/2026-11-13/anthropic-revela-anvil-red-teamer-automatizado-que-supera-especialistas