A OpenAI anunciou em 30 de setembro de 2026 que identificou e bloqueou uma campanha coordenada de adversarial model distillation contra seus modelos. A operação começou no início de julho e visava extrair reasoning protegido — registros internos do modelo usados para resolver tarefas, normalmente invisíveis ao usuário final — para treinar, reproduzir ou aprimorar outros modelos.
Como funcionou o ataque
Segundo a OpenAI, os operadores não invadiram sistemas, nem quebraram criptografia ou acessaram bancos de dados. A abordagem foi manipular interações com os modelos para forçar a exposição do reasoning protegido, reproduzindo essas informações em grande escala. Entre as técnicas observadas, destaca-se o uso de conversas cruzadas: conteúdos de reasoning criptografados eram copiados de uma sessão e enviados em outra, pedindo que o modelo decifrasse e transcrevesse o conteúdo oculto.
O ataque ganhou volume nos dias 24 e 25 de julho, com 16.000 requisições de extração vindas de mais de 4.000 usuários. Análise posterior identificou atividades correlatas em um cluster de mais de 15.000 usuários, totalmente interrompidas até 28 de julho. A OpenAI atribuiu parte central da campanha a indivíduos ligados à Moonshot AI, desenvolvedora do Kimi.
Medidas adotadas e impacto
A resposta envolveu bloqueio e restrição de contas fraudulentas, reforço nos controles de cadastro e infraestrutura, ampliação do monitoramento e ajustes técnicos para proteger reasoning oculto em diferentes níveis (usuários, workspaces, organizações e famílias de modelo). A empresa fechou a brecha que permitia reproduzir reasoning criptografado de outros usuários e implementou detecção para bloquear saídas que expusessem reasoning.
Também houve colaboração com provedores terceirizados para identificar e banir contas envolvidas em ataques via serviços de terceiros. As descobertas foram compartilhadas com o Frontier Model Forum e canais governamentais para alertar outros desenvolvedores e autoridades sobre o risco de distillation adversarial em modelos avançados.
Risco setorial e próximos passos
A OpenAI enfatiza que a ameaça não é exclusiva de seus sistemas: técnicas semelhantes podem afetar outros modelos de IA de ponta. O distillation adversarial pode transferir capacidades avançadas entre modelos sem os investimentos em segurança e salvaguardas aplicados ao original, elevando riscos de uso indevido, inclusive em domínios sensíveis.
A empresa prevê que tentativas de distillation tendem a se sofisticar conforme os modelos evoluem. A defesa exige controles técnicos em múltiplas camadas, monitoramento constante e colaboração entre empresas e governos. Entre as prioridades estão: reforço técnico contra extração, melhor detecção de campanhas coordenadas e ampliação do compartilhamento de ameaças.
Por que importa
O episódio marca uma escalada na guerra de engenharia reversa sobre modelos proprietários. Ao expor e mitigar o ataque, a OpenAI sinaliza que ataques de distillation são ameaça real para qualquer provedor de LLM — e que a resposta precisa ser coletiva. Para o mercado brasileiro, a lição é direta: qualquer stack exposta a reasoning portátil ou artefatos de replay precisa revisar controles e monitoramento antes que o ataque chegue por aqui.