A Frontier Red Team da Anthropic publicou em 12 de outubro de 2026 um relatório sobre testes controlados de etapas da autorreplicação de IA. A equipe não demonstrou um replicador completo se espalhando de forma autônoma pela internet pública; os ensaios avaliaram capacidades específicas sob condições simplificadas. O relatório da Anthropic organiza o processo em quatro etapas: encontrar alvos, obter acesso para executar código, configurar a inferência — a geração de respostas pelo modelo — e continuar a propagação a partir do novo dispositivo.
O que os testes de rede demonstraram
Em um ensaio de hardware, o modelo Qwen3.5-9B configurou um servidor de inferência Llama3.1-8B em 8 dos 9 tipos de hardware testados. A variedade ia de dispositivos Jetson Nano a computadores Mac e sistemas com RTX 4090.
Um experimento separado avaliou a propagação em uma frota isolada de oito emuladores Android 15. O modelo GLM-5.2 chegou aos oito nós em quatro de cinco tentativas e a sete nós na tentativa restante. Os emuladores tinham uma porta do Android Debug Bridge (ADB) sem autenticação; o GLM-5.2 rodava em um servidor de inferência separado, e os nós-alvo recebiam o Llama3.1-8B. Uma nova cópia só era gerada após verificações de correção e de fraude. A Anthropic considera a exploração simplificada um limite superior para o sucesso em condições reais.
Um modelo dividido entre 15 TV boxes
A Anthropic também distribuiu o Gemma4-26B-A4B entre 15 TV boxes Android com 4 GB de RAM cada. Essa técnica, chamada inferência distribuída, divide o trabalho do modelo entre vários dispositivos; nessa configuração, a taxa foi de 0,39 token por segundo. O ensaio demonstrou a execução distribuída do modelo, não a infecção ou a propagação autônoma entre os aparelhos.
A diferença importa: fazer um modelo funcionar em conjunto num grupo de dispositivos é uma tarefa distinta de comprometer esses dispositivos e instalar cópias sem intervenção. A estimativa da Anthropic para modelos pequenos chegarem à autorreplicação em aparelhos IoT comerciais em questão de meses é uma previsão baseada em tendências de capacidade, não um incidente observado.
As tentativas herdaram notas, não um modelo retreinado
Em 20 linhagens de seis gerações do Qwen3.5-9B, a taxa de sucesso na configuração da inferência passou de 45% na primeira geração para uma faixa de 61% a 84% nas gerações posteriores. Com o Memento, cada nova instância herdava espaço de trabalho, código e notas sobre estratégias e falhas anteriores. O modelo não era retreinado: o ganho relatado veio da transferência dessas informações operacionais.
As defesas discutidas pela Anthropic
O relatório menciona monitoramento de grandes transferências e de tráfego persistente entre dispositivos, uso de honeypots — sistemas-isca para observar malware —, quarentena de conexões por provedores de internet com notificação aos clientes e configurações de segurança mais rigorosas em aparelhos IoT.
Como referência para a resposta a botnets convencionais, a Anthropic cita um estudo de limpeza do Mirai: em 14 dias, foram eliminadas 92% das infecções com quarentena e notificação, contra 74% sem notificação. Esses resultados dizem respeito ao Mirai, não a um teste de defesa contra um worm de IA.
