Anthropic e Google Analisam o Marco de IA de Trump, mas Modelos Abertos Ficam de Fora

Anthropic e Google analisaram um marco federal de segurança para IA que adiciona uma etapa de verificação de 30 dias antes de certos modelos de fronteira chegarem ao público. No entanto, o marco supostamente exclui modelos abertos, criando uma grande lacuna entre os sistemas que Washington inspeciona e os riscos que pretende controlar.

As discussões entre Anthropic e Google não são apenas mais uma rodada de compromissos voluntários de segurança. Elas marcam a tentativa do governo Trump de criar um processo federal de análise após desmantelar grande parte da estrutura de supervisão de IA de seu antecessor.

A política também surge após um conflito notável entre a Anthropic e o governo federal. Os sistemas mais recentes da Anthropic teriam encontrado vulnerabilidades em redes governamentais sensíveis em poucas horas. Washington posteriormente restringiu o acesso a esses sistemas e então trouxe a Anthropic de volta às negociações sobre as regras.

Esse histórico transforma um processo técnico de análise em uma disputa por controle. Desenvolvedores de modelos fechados enfrentam escrutínio confidencial do governo antes do lançamento. Desenvolvedores de modelos abertos, incluindo empresas que concorrem com Google e Anthropic, aparentemente continuam fora do mesmo processo.

A questão central, portanto, não é se a IA avançada merece testes. É se um marco voltado a laboratórios americanos cooperativos pode lidar com capacidades comparáveis lançadas por meio de pesos abertos, desenvolvedores estrangeiros ou fornecedores menos cooperativos.

O Marco Cria uma Barreira de Segurança de 30 Dias

A mudança imediata é uma janela confidencial de análise federal para modelos fechados avançados antes de seu lançamento público.

O presidente Donald Trump assinou a ordem executiva subjacente em 2 de junho de 2026. Ela orienta o governo a criar um processo voluntário para examinar riscos à segurança nacional em sistemas de IA altamente capazes.

A ordem concede aos avaliadores até 30 dias. Esse período busca permitir que especialistas federais testem capacidades cibernéticas antes que um modelo alcance um público amplo.

Um modelo de fronteira é um sistema de IA próximo à vanguarda das capacidades gerais. Segundo o marco descrito a representantes da indústria, a cobertura supostamente depende de o modelo ser fechado, altamente capaz e relevante para riscos à segurança nacional.

Essa linguagem deixa termos importantes em aberto. Não há um limiar público para definir o que é considerado estado da arte. O governo também não publicou um padrão claro para decidir quando uma capacidade cibernética se torna uma preocupação de segurança nacional.

Segundo o marco de análise divulgado, as empresas participantes apresentariam modelos próximos do lançamento público. Avaliadores do governo os examinariam em ambientes de alta segurança.

O acesso seria registrado, e funcionários poderiam enfrentar limitações enquanto a análise estivesse em andamento. Diversos órgãos do governo participariam, em vez de deixar a avaliação a cargo de uma única agência.

O momento de entrega do modelo é importante. Um laboratório não forneceria um sistema de pesquisa inacabado meses antes do lançamento. Ele supostamente entregaria algo próximo da versão destinada aos clientes.

Essa abordagem oferece aos avaliadores um alvo mais realista. Ela também coloca a análise diretamente na rota de lançamento, onde atrasos ou conclusões contestadas podem afetar os planos de produto.

A ordem executiva descreve a participação como voluntária. Ela se concentra em sistemas com capacidades cibernéticas avançadas, e não em todo novo modelo comercial.

No entanto, “voluntária” não elimina a influência do governo. Laboratórios de fronteira vendem para agências, dependem de acesso a chips avançados e trabalham com provedores de infraestrutura sujeitos a regras federais.

Em princípio, uma empresa pode recusar a participação. Na prática, a recusa pode complicar contratos, credenciais de segurança, decisões de exportação ou relações com clientes da área de segurança nacional.

A Anthropic recebeu positivamente a ordem de junho e afirmou esperar apoiar sua implementação. Google e OpenAI também responderam de forma positiva, apresentando a avaliação federal como compatível com o desenvolvimento contínuo de IA.

O marco, portanto, começa com cooperação, e não com uma exigência legal universal. Seu alcance depende fortemente de quais desenvolvedores participam e de quais sistemas o governo define como cobertos.

Isso cria a tensão central do artigo. Washington está construindo uma importante etapa de verificação em torno de empresas já dispostas a discutir segurança, enquanto deixa outras vias de lançamento em grande parte intocadas.

Por Que as Conversas entre Anthropic e Google Têm Mais Peso Agora

Anthropic e Google estão sob pressão porque seus modelos combinam amplo uso comercial com capacidades cibernéticas cada vez mais relevantes.

O governo não criou esse processo após um debate político abstrato. Ele agiu depois que modelos avançados demonstraram capacidade de identificar fraquezas de software a uma velocidade que alarmou autoridades governamentais.

Um modelo da Anthropic chamado Mythos teria participado de testes envolvendo sistemas governamentais altamente sensíveis. Uma autoridade dos EUA disse à Associated Press que o modelo encontrou vulnerabilidades em poucas horas.

Encontrar uma falha não é o mesmo que explorá-la. Essa distinção é importante porque a descoberta de vulnerabilidades pode ajudar defensores a corrigir sistemas antes que um atacante os alcance.

O senador Mark Warner ofereceu um relato mais dramático durante uma audiência em junho. Ele disse que o sistema havia entrado em quase todos os ambientes classificados testados em poucas horas, atribuindo a informação ao líder da NSA e do Cyber Command.

O relato oficial foi mais restrito. Ele confirmou que vulnerabilidades foram encontradas, mas não estabeleceu que Mythos explorou com sucesso todos os sistemas afetados.

Essa lacuna de verificação ilustra a dificuldade enfrentada por formuladores de políticas. Um modelo pode ser útil para a defesa, perigoso em mãos hostis e difícil de avaliar a partir de um único resultado de manchete.

Os testes governamentais divulgados ocorreram por meio do Project Glasswing, uma iniciativa da Anthropic que envolve empresas de tecnologia e outros parceiros. O projeto se concentra em riscos graves de software que modelos avançados podem revelar ou ampliar.

Essas capacidades pressionam a Anthropic em duas direções. Clientes querem melhores ferramentas automatizadas de segurança, enquanto agências governamentais querem garantias de que as mesmas ferramentas não acelerarão operações ofensivas.

O Google enfrenta um desafio relacionado. Seus sistemas Gemini atendem consumidores, desenvolvedores, clientes de nuvem e instituições públicas. O Google DeepMind também mantém seu próprio marco para detectar capacidades graves antes da implantação.

A conexão entre Anthropic e Google importa porque ambas as empresas já operam sistemas internos de avaliação. Washington está pedindo que elas mapeiem práticas privadas de testes para um processo controlado pelo governo.

Para a Anthropic, esse pedido chega após meses de conflito direto com o governo. A empresa havia imposto limites relacionados a armas autônomas e vigilância doméstica em massa em seus acordos governamentais.

O Pentágono buscava acesso para todos os fins legais. A Anthropic argumentou que a autorização legal, por si só, não resolvia todas as preocupações de segurança ou liberdades civis.

Essa divergência acabou se ampliando para além da linguagem contratual. O governo tratou a Anthropic como um risco de contratação, enquanto críticos questionaram se o governo estava usando a autoridade de segurança nacional para resolver uma disputa política.

Posteriormente, a relação mudou em direção à cooperação. A Anthropic trabalhou com agências em testes cibernéticos, restringiu o acesso a modelos avançados após intervenção do governo e participou de conversas sobre regras compartilhadas de avaliação.

O Google entra no marco sem o mesmo confronto público. Sua participação dá mais legitimidade ao processo e impede que as regras pareçam um acordo específico com a Anthropic.

OpenAI, Microsoft, Meta, Nvidia e empresas menores também teriam participado das discussões de agosto. Sua presença mostra que o marco está se tornando uma política para a indústria, e não um acordo bilateral.

Ainda assim, a Anthropic continua sendo o caso de teste mais importante. Ela é tanto uma importante defensora da segurança quanto a empresa cujos alertas de segurança ajudaram a desencadear a ação do governo.

Se a Anthropic aceitar o marco, Washington poderá argumentar que testes externos complementam salvaguardas privadas. Se a relação se deteriorar novamente, o processo parecerá mais uma forma de pressão do que de colaboração.

A Supervisão de Anthropic e Google Para na Linha dos Modelos Abertos

A principal contrapartida do marco é que ele examina modelos americanos fechados, enquanto supostamente exclui lançamentos abertos com capacidades semelhantes.

Modelos fechados mantêm seus pesos subjacentes, que são os parâmetros numéricos aprendidos, sob o controle do desenvolvedor. Os usuários os acessam por produtos hospedados ou interfaces de programação.

Modelos de pesos abertos distribuem esses parâmetros de forma mais ampla. Desenvolvedores podem baixá-los, modificá-los e executá-los sem encaminhar todas as solicitações pelo provedor original.

O processo proposto pelo governo se concentra na primeira categoria. Isso faz sentido operacionalmente porque uma empresa de modelo fechado pode fornecer acesso controlado e adiar um lançamento enquanto os testes ocorrem.

Desenvolvedores de modelos de pesos abertos apresentam um problema de fiscalização mais difícil. Quando os pesos de um modelo se tornam públicos, nenhum provedor central pode retirar de forma confiável todas as cópias ou restringir todos os usuários.

O marco divulgado trata desse problema deixando modelos abertos fora de seu sistema de análise. Ele também afirma que as regras não devem ser interpretadas como uma restrição a eles após o lançamento.

Essa escolha reduz obstáculos ao desenvolvimento aberto. Ela também cria um problema evidente de incentivos.

Uma empresa que mantém controle rigoroso sobre seu modelo precisa se submeter a testes confidenciais. Um desenvolvedor que lance pesos comparáveis talvez não enfrente uma etapa federal equivalente.

A distinção nem sempre acompanha o risco. Os métodos de distribuição afetam a facilidade com que salvaguardas podem ser removidas, mas não determinam a capacidade subjacente de um modelo de descobrir vulnerabilidades.

O Google demonstra por que essa linha é complicada. A empresa desenvolve sistemas Gemini fechados ao lado da família aberta Gemma. Portanto, uma única organização pode operar nos dois lados da fronteira política.

A Anthropic não publica os pesos do Claude. Seus sistemas permanecem sob controle centralizado, tornando a empresa mais fácil de regular por meio de acordos de acesso e análises de lançamento.

Essa assimetria pode recompensar o provedor de modelos que concede ao governo menos controle após a publicação. Ela também pode colocar laboratórios americanos de modelos fechados em desvantagem de velocidade.

Uma análise de 30 dias é curta pelos padrões regulatórios. É longa em um setor no qual o momento do lançamento molda compromissos com clientes, atenção em benchmarks e adoção por desenvolvedores.

Se OpenAI, Anthropic ou Google atrasarem um modelo para análise, um concorrente aberto poderá usar esse intervalo para atrair desenvolvedores. Um laboratório estrangeiro também poderia lançar pesos comparáveis sem participar.

O governo aparentemente aceita essa contrapartida porque deseja preservar o desenvolvimento americano de IA. Trump adiou uma versão anterior da ordem após expressar preocupação de que ela desacelerasse os Estados Unidos em relação à China.

A abordagem final, portanto, mira um conjunto restrito de sistemas controláveis. Ela busca visibilidade antecipada sem criar um regime abrangente de licenciamento.

O próprio framework de segurança do Google DeepMind mostra como a governança privada pode abranger mais de um formato de lançamento. Ele acompanha níveis de capacidade e exige revisões de segurança quando riscos especificados surgem.

Seu framework mais recente abrange riscos como manipulação prejudicial, capacidades avançadas de pesquisa em IA e modelos que resistem ao controle do operador. O Google afirma que suas avaliações combinam testes de capacidade com decisões explícitas sobre o risco aceitável.

A Anthropic usa uma estrutura interna diferente, mas também avalia capacidades graves e publica documentação sobre riscos. Ambas as empresas dispõem de processos institucionais que desenvolvedores menores talvez não tenham.

O framework federal poderia padronizar partes dessas práticas. Ainda assim, ele não alcança automaticamente desenvolvedores fora do grupo participante.

Isso significa que o principal antagonismo não é Anthropic versus Google. É desenvolvimento fechado revisado pelo governo versus distribuição aberta menos supervisionada.

A política pode reduzir o risco entre laboratórios de fronteira que cumprem as regras, ao mesmo tempo em que deixa intocado o canal de distribuição mais rápido. Os dois resultados podem ser verdadeiros ao mesmo tempo.

Um Padrão Secreto Cria Seu Próprio Risco de Segurança

O framework pede que empresas e o público confiem em um sistema de avaliação cujos principais limiares e procedimentos permanecem ocultos.

Algum grau de sigilo é inevitável. Publicar um benchmark detalhado para capacidades cibernéticas ofensivas poderia ajudar invasores a otimizar modelos para o teste.

A ordem executiva permite que o processo de benchmarking permaneça classificado. Descobertas sensíveis também devem permanecer em ambientes protegidos quando envolvem redes governamentais ou software explorável.

No entanto, o sigilo sobre o conteúdo dos testes difere do sigilo sobre a governança. O público pode entender quem toma decisões, quais evidências são consideradas e como as empresas recorrem sem ver cada exploit.

Segundo relatos, o governo não planeja divulgar o framework completo. Empresas excluídas das reuniões de agosto podem, portanto, ter pouca orientação sobre se sistemas futuros se qualificam.

Essa incerteza afeta mais do que especialistas em políticas públicas. Clientes corporativos constroem roteiros em torno da disponibilidade de modelos, do acesso regional e dos controles de segurança esperados.

Um modelo atrasado pode prejudicar lançamentos de software ou revisões de compras. Um modelo restrito pode obrigar equipes a mudar de fornecedor depois de integrar uma interface de programação específica.

As organizações já precisam de uma forma confiável de reter avaliações internas, declarações de fornecedores e atualizações de políticas. Uma base de conhecimento de IA pesquisável pode manter esses materiais conectados à medida que as regras mudam.

A preocupação maior de governança envolve discricionariedade. O governo aparentemente pode decidir quais sistemas se qualificam, quem recebe acesso antecipado e qual resposta se segue a uma conclusão desfavorável.

Juan Londoño, do Cato Institute, acolheu positivamente a preparação para riscos de modelos avançados, mas questionou a imprecisão da política. Ele alertou que uma ampla discricionariedade poderia ser usada contra uma empresa que já esteja em conflito com o governo.

Essa possibilidade não pode ser descartada porque a relação da Anthropic com Washington já alternou entre parceria e confronto.

A disputa de segurança nacional também envolve uma questão mais profunda de autoridade. Um fornecedor de modelos pode querer limitar vigilância ou o uso de armas autônomas, mesmo quando um cliente governamental afirma que a atividade é legal.

O governo Trump argumentou que sistemas implantados deveriam permanecer sob o controle operacional do governo. A Anthropic tratou algumas restrições de uso como um limite essencial de segurança.

Uma análise de segurança nacional do Council on Foreign Relations descreve isso como uma questão de quem controla um sistema em campo. Contratos, salvaguardas técnicas e autoridade governamental se cruzam.

A revisão pré-lançamento não resolve esse conflito. Ela pode revelar o que um modelo faz, mas não pode decidir quem deve controlar cada uso permitido.

O framework também corre o risco de confundir capacidade com intenção. Um modelo que encontra vulnerabilidades graves pode fortalecer defensores quando é implantado por meio de um programa de segurança monitorado.

A mesma capacidade pode ajudar um invasor quando as salvaguardas falham. Os avaliadores, portanto, precisam testar tanto o desempenho técnico quanto os controles de acesso ao redor dele.

A experiência da Anthropic demonstra por que rótulos simples são inadequados. Segundo relatos, seu modelo encontrou fragilidades sérias, mas líderes externos de segurança argumentaram que outros modelos disponíveis tinham capacidades semelhantes.

Mais de 100 especialistas em cibersegurança teriam se oposto à remoção das capacidades defensivas da Anthropic sem uma razão clara. O argumento deles não era que Mythos não apresentava risco.

Eles questionaram se restringir um fornecedor americano reduziria esse risco quando substitutos continuavam acessíveis. Essa é a mesma fragilidade criada pela exclusão de lançamentos abertos.

Um framework secreto ainda pode funcionar se seus resultados forem consistentes e sua autoridade for limitada. Sem essas qualidades, a revisão voluntária pode se tornar uma barreira de acesso imprevisível.

O governo ainda não forneceu evidências públicas suficientes para distinguir esses resultados. Essa incerteza deve permanecer central em qualquer avaliação da política.

A Política Inverte a Mensagem Desregulatória de Washington

O framework de Trump restaura uma forma de supervisão pré-lançamento depois que seu governo passou meses argumentando que regras federais de IA ameaçavam a competitividade americana.

Trump revogou elementos importantes da política de IA do governo Biden após retornar ao cargo. Sua agenda mais ampla enfatizava implantação rápida, menor regulação e competição com a China.

O novo processo de revisão não recria o antigo framework. A abordagem de Biden dependia fortemente de obrigações de reporte, trabalho de padronização e avaliação por instituições civis como o NIST.

O sistema de Trump aproxima os testes cibernéticos avançados das agências de segurança nacional. Ele também limita a cobertura e apresenta a participação como colaboração com a indústria.

Ainda assim, a direção mudou. Washington antes tratava a revisão antecipada como um obstáculo. Agora trata a visibilidade antecipada sobre determinados modelos como necessária para a segurança nacional.

O catalisador foi a capacidade, e não uma mudança geral na filosofia regulatória. Os modelos da Anthropic tornaram concreto o debate sobre segurança ao executar tarefas associadas a operadores cibernéticos qualificados.

A reversão também reflete a dependência federal de laboratórios privados. Agências governamentais usam infraestrutura e modelos que não construíram e não podem substituir rapidamente.

Essa dependência dá às empresas controle técnico. Autoridade de compras, controles de exportação e classificações de segurança dão a Washington outro tipo de influência.

O framework tenta combinar essas forças. Os laboratórios fornecem sistemas próximos do lançamento e suporte técnico, enquanto as agências contribuem com ambientes classificados, informações sobre ameaças e expertise em segurança nacional.

Esse arranjo pode produzir avaliações melhores do que qualquer lado conseguiria conduzir sozinho. Uma empresa não consegue reproduzir integralmente as informações de inteligência que órgãos governamentais detêm sobre adversários ativos.

Os avaliadores governamentais também precisam dos engenheiros de um laboratório para compreender o comportamento do modelo, os controles do sistema e as limitações de um teste específico. Portanto, a cooperação é mais útil do que uma simples lista de verificação de conformidade.

Ainda assim, a cooperação se torna frágil quando as partes discordam sobre o uso aceitável. A disputa da Anthropic com o Pentágono mostra que objetivos compartilhados de segurança não garantem limites políticos compartilhados.

O Google evitou uma ruptura pública equivalente, mas enfrenta a mesma questão estrutural. Um laboratório privado pode identificar um risco inaceitável enquanto um comprador governamental prioriza flexibilidade operacional.

A OpenAI também enfrenta isso. O mesmo ocorre com provedores de nuvem que hospedam modelos e clientes corporativos que dependem de acesso estável.

O contexto competitivo acrescenta outra complicação. A Anthropic revisou sua política de segurança principal no início de 2026, removendo um compromisso categórico que poderia ter interrompido o treinamento sem salvaguardas adequadas.

Líderes da empresa argumentaram que pausas unilaterais não melhorariam a segurança se concorrentes continuassem avançando. A política revisada enfatiza roteiros, relatórios recorrentes de risco e esforços para igualar ou superar as proteções dos pares.

Essa mudança tornou regras coordenadas mais importantes. Uma empresa não consegue sustentar limites rígidos indefinidamente quando rivais enfrentam custos menores para avançar mais rápido.

O framework de Trump tenta fornecer coordenação, mas apenas para participantes selecionados. Ele não estabelece um limiar vinculante único para Anthropic, Google, OpenAI, desenvolvedores de modelos abertos e laboratórios estrangeiros.

Isso deixa o governo em uma posição híbrida. Ele reintroduziu a supervisão enquanto preserva uma forte presunção contra uma regulação ampla.

O resultado não é nem desregulação pura nem um regime abrangente de segurança. É um ponto de controle negociado em torno das empresas que Washington consegue alcançar.

Essa abordagem pode responder rapidamente a uma ameaça cibernética específica. Ela é menos adequada para governar capacidades que se espalham por formatos de modelos e fronteiras nacionais.

A revisão Anthropic-Google é, portanto, um experimento de política pública. Seu sucesso depende de saber se uma cooperação estreita pode produzir segurança real sem apenas deslocar o desenvolvimento arriscado para outro lugar.

Três Sinais Mostrarão se o Framework Funciona

O próximo teste é saber se Washington consegue transformar um acordo a portas fechadas em resultados consistentes de segurança entre lançamentos, empresas e formatos de modelos.

O primeiro sinal é o tratamento dado ao próximo lançamento avançado de modelo fechado. Um laboratório participante deve submeter um sistema próximo do lançamento, concluir a revisão e explicar quaisquer restrições resultantes.

O governo não precisa revelar exploits classificados. Deve divulgar se o processo alterou controles de acesso, o cronograma de lançamento ou as capacidades disponíveis do modelo.

Um resultado claro fortaleceria o argumento a favor de testes pré-lançamento direcionados. Um atraso sem explicação ou uma restrição repentina reforçaria as preocupações sobre aplicação discricionária.

O segundo sinal é como o governo lidará com um modelo aberto de capacidades cibernéticas comparáveis. Essa é a maior fragilidade ainda não resolvida no desenho atual.

Washington poderia criar ferramentas de avaliação voluntária para desenvolvedores abertos, estabelecer salvaguardas de distribuição ou concentrar-se em provedores de infraestrutura downstream. Cada caminho traz custos técnicos e políticos.

Não fazer nada enfraqueceria a lógica de segurança do framework. Isso sugeriria que o formato de lançamento importa mais do que a capacidade que as autoridades afirmam temer.

O terceiro sinal é se a Anthropic e o governo manterão a cooperação durante o próximo desacordo. A relação entre eles já passou de conflito contratual a restrições de modelos e de volta a uma formulação conjunta de regras.

Um processo estável permitiria que conclusões técnicas sobrevivessem à tensão política. Uma ruptura mostraria que o framework depende demais de confiança informal entre os atuais funcionários e líderes empresariais.

O comportamento do Google fornecerá uma comparação útil. Se ambas as empresas receberem tratamento semelhante para sistemas semelhantes, a política parecerá mais um padrão.

Se a Anthropic enfrentar consequências diferentes por causa de sua disputa anterior, críticos verão a revisão como uma ferramenta de influência do Executivo.

Compradores corporativos devem acompanhar esses sinais em vez de presumir que “voluntário” significa inconsequente. O acesso a modelos, as datas de lançamento e a disponibilidade regional podem mudar quando revisões de segurança nacional intervêm.

Os desenvolvedores também devem acompanhar quais capacidades atraem atenção. Descoberta automatizada de vulnerabilidades, geração de exploits, ação autônoma e resistência ao controle do operador provavelmente receberão escrutínio rigoroso.

Os profissionais do conhecimento enfrentam um problema relacionado. Um modelo pode continuar disponível enquanto ferramentas específicas, conectores ou modos avançados passam a sofrer limitações.

As equipes devem documentar qual versão de modelo oferece suporte a cada fluxo de trabalho e manter alternativas para tarefas críticas. Também devem separar as alegações dos fornecedores das conclusões governamentais e de evidências independentes.

As discussões entre Anthropic e Google criaram um verdadeiro ponto de controle federal, mas não estabeleceram um sistema de segurança completo. As análises de modelos fechados abrangem apenas uma das vias pelas quais capacidades avançadas chegam aos usuários.

Uma estrutura confiável terá, em algum momento, de explicar por que capacidades semelhantes recebem tratamentos diferentes. Ela também deve separar o sigilo necessário da tomada de decisões sem prestação de contas.

Por enquanto, os leitores devem fazer três perguntas práticas sempre que um grande modelo se aproxima do lançamento. Ele foi abrangido, o que mudou após os testes e um sistema aberto equivalente poderia contornar o processo?

Essas respostas revelarão se a estrutura Anthropic Google reduz o risco nacional ou apenas concentra a supervisão nas empresas mais cooperativas. Continue acompanhando o próximo lançamento de modelo, a próxima versão aberta e a próxima disputa entre um laboratório de fronteira e Washington.