O detalhe por trás de 200 milhões de trocas que acendeu o alerta da Anthropic

A Anthropic diz ter ligado quase 200 milhões de trocas a cinco campanhas de destilação contra o Claude. O episódio vai além da disputa entre laboratórios: empresas brasileiras que conectam agentes a dados e ferramentas internas precisam revisar acessos, fornecedores e rastreabilidade.

A Anthropic afirma ter identificado campanhas persistentes para extrair capacidades do Claude. O volume atribuído às cinco operações chega a quase 200 milhões de trocas. O dado chama atenção pelo tamanho. Mas o problema real está no que pode acontecer depois: conhecimento de modelos de ponta pode circular por uma cadeia técnica difícil de enxergar.

Segundo reportagem da TechCrunch sobre o relatório, a Anthropic relacionou as campanhas a empresas de IA sediadas na China, incluindo Alibaba, Moonshot AI e DeepSeek. A empresa descreve o método como destilação. Em termos simples, alguém submete muitas perguntas a um modelo avançado para observar e reproduzir partes úteis de seu comportamento em outro sistema.

Isso não é apenas copiar uma resposta bem escrita. O interesse estaria em capacidades que custam caro para desenvolver: agentes que usam ferramentas, programação, análise de dados e raciocínio lógico. Quando um modelo responde a uma sequência enorme de tarefas, cada resposta pode virar material de treinamento, avaliação ou ajuste para outro modelo.

O número da Alibaba muda a escala da história

A campanha atribuída à Alibaba teria acumulado 151 milhões de trocas entre maio e julho de 2026. No pico, o tráfego teria chegado a quase 3 milhões de trocas por dia. A CNBC também destacou esse volume ao noticiar o caso. Não é uma atividade pontual, nem parece o comportamento de uma equipe testando uma ferramenta.

A acusação não prova, por si só, o que cada empresa fez internamente. Ela registra a leitura da Anthropic sobre padrões observados em sua plataforma. Essa distinção importa. Empresas envolvidas podem contestar atribuição, contexto ou intenção. Ainda assim, o tamanho relatado explica por que o episódio saiu da categoria de disputa comercial comum.

Na nossa leitura, a novidade não é a existência da destilação. Essa técnica já faz parte das discussões sobre treinamento de modelos. O que assusta é a industrialização do processo. A fronteira deixa de ser uma pessoa tentando extrair uma resposta engenhosa. Passa a envolver infraestrutura, muitas contas e rotas de tráfego suficientes para operar em escala.

O truque do katakana mostra onde está a disputa

O relatório cita uma abordagem especialmente reveladora. Em vez de pedir diretamente uma explicação do raciocínio, a campanha tentava apresentar a solicitação como uma tradução para katakana japonês. A intenção seria induzir o modelo a revelar traços de como chegou a uma conclusão.

Esse detalhe importa porque o valor de um sistema não está somente na frase final. Modelos usados para programação, pesquisa ou automação podem ter camadas de comportamento que ajudam a organizar etapas, escolher ferramentas e verificar resultados. Quem aprende a imitar esse padrão pode reduzir parte do caminho necessário para construir um concorrente.

No caso associado à Moonshot AI e ao Kimi, a Anthropic cita tráfego distribuído por cerca de 5.000 contas. Foram quase 300 mil requisições em dez dias, principalmente contra o Claude Opus. A pulverização das contas também é parte do sinal. Ela pode dificultar a identificação de uma única origem e tornar controles simples menos eficazes.

Por que empresas brasileiras deveriam prestar atenção

Seria fácil tratar tudo como mais um capítulo da rivalidade entre Estados Unidos e China. Esse enquadramento é incompleto. Empresas brasileiras que conectam agentes de IA a documentos, sistemas internos e ferramentas corporativas dependem de uma cadeia de fornecedores. Nela estão o modelo, a API, o provedor de nuvem, integrações e as permissões dadas ao agente.

Quando a competição por capacidades de IA passa por coleta massiva de interações, a segurança da cadeia sobe de prioridade. Não significa que toda empresa brasileira esteja exposta por usar um chatbot. O risco cresce quando um agente acessa dados internos, executa ações ou chama ferramentas com permissões amplas.

Por isso, a pergunta útil não é “qual país vai ganhar a corrida?”. É “quais dados o nosso agente pode ler, para onde eles vão e qual fornecedor responde pelo controle?”. Uma empresa que libera acesso irrestrito a contratos, planilhas e sistemas financeiros para ganhar velocidade pode criar um ponto de falha difícil de auditar depois.

O caminho prudente é separar ambientes, limitar credenciais e revisar quais ferramentas cada agente pode usar. Também vale registrar ações importantes e evitar que um único agente tenha acesso permanente a tudo. Essas medidas não resolvem uma disputa global por modelos, mas diminuem o estrago caso uma integração falhe ou um fornecedor mude suas condições.

Esse debate conversa com a discussão sobre a guerra entre agentes de IA que preocupa empresas brasileiras. Quanto mais agentes ganham autonomia, menos a discussão é sobre uma tela de chat. Ela passa a ser sobre processos, permissões e responsabilidade operacional.

Uma acusação que deve virar pergunta de governança

A Anthropic tem interesse direto em proteger o Claude e suas capacidades. Isso não invalida o relatório, mas pede leitura cuidadosa. O ponto sólido é que a própria empresa afirma ter detectado um padrão muito acima do uso normal. O ponto ainda em disputa é a atribuição completa e a consequência de cada campanha.

Para o mercado brasileiro, a lição não exige escolher um lado. Exige maturidade. IA deixou de ser só uma ferramenta para redigir textos ou resumir reuniões. Em muitas empresas, ela já começa a tocar dados e executar partes do trabalho. Quando a tecnologia vira infraestrutura, a governança deixa de ser burocracia e passa a ser proteção do negócio.

O alerta da Anthropic, portanto, vale menos como fofoca geopolítica e mais como sinal de mudança. Se capacidades de agentes se tornaram um ativo tão valioso, fornecedores e clientes precisarão tratar acesso, rastreabilidade e limites com o mesmo cuidado dado a qualquer sistema que movimenta informação sensível.